共查询到18条相似文献,搜索用时 78 毫秒
1.
《数学的实践与认识》2020,(2)
基于复合Mlinex损失函数,研究了指数威布尔分布的参数在先验分布为伽玛分布的B ayes估计,E-B ayes估计和多层Bayes估计.并用数值模拟的方法进行验证,结果表明三种估计方法的稳健性好,精确度较高. 相似文献
2.
定数截尾两参数指数——威布尔分布形状参数的Bayes估计 总被引:2,自引:0,他引:2
在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高. 相似文献
3.
熵损失函数下两参数Lomax分布形状参数的Bayes估计 总被引:2,自引:0,他引:2
在熵损失函数下,讨论了两参数Lomax分布形状参数的Bayes估计和可容许估计.并讨论了一类(cT+d)~(-1)形式估计的可容许性和不可容许性. 相似文献
4.
5.
首先给出了Pareto分布参数的极大似然估计;其次在对称损失,二次损失,Mlinex损失函数下,给出了参数的Bayes估计,并证明了所给估计都是容许的;最后通过实例,对所给的几个估计的优良性进行了分析,结果表明在Mlinex损失下,参数θ的Bayes估计值更接近真实值 相似文献
6.
考虑分布函数形如F(x;θ)=1-[g(x)]~θ或[1—g(x)]~θ,A≤x≤B,θ0的分布族,其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0.在Mlinex损失函数下,给出了其中参数θ的Bayes估计及其容许性,并对分布的一个充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现. 相似文献
7.
MLinex损失函数下Gamma分布的尺度参数的Bayes估计 总被引:1,自引:0,他引:1
金秀岩 《纯粹数学与应用数学》2014,30(4):347-353
在MLinex损失函数下,利用Bayes估计方法研究了Gamma分布的尺度参数的Bayes估计,并证明了其容许性.结果是:在Mlinex损失函数下得到了Gamma分布尺度参数唯一的Bayes估计的一般表达式及其精确表达式,并证明是可容许的.最后通过数值分析实例,说明了所用的参数估计方法是合理可行的. 相似文献
8.
9.
完全样本情形下威布尔分布参数的估计 总被引:5,自引:0,他引:5
考虑尺度参数为θ、形状参数为β的二参数威布尔分布.本文讨论是全祥本情形下θ和β的矩型估计^θ和^β的性质。并把^θ和^β与θ和β的简单线性无偏估计^θ和^β作了比较.^θ和^β具有强相合性和渐近正态性。且计算简单、使用方便.本文还给出了一些随机模拟结果。 相似文献
10.
本文研究了两参数Lomax分布形状参数的Bayes估计问题.当尺度参数已知时,给出了在几种不同损失函数下形状参数的Bayes估计表达式,并运用随机模拟方法对各个估计进行了比较. 相似文献
11.
给出了在共轭先验分布下,L evy分布参数估计的损失函数和风险函数的Bayes估计及其为保守估计的一般条件,说明了该条件的合理性,并用S&P 500$close数据进行了实证分析支持我们的结论. 相似文献
12.
本文在绝对损失下构造了双边截断型分布族参数的经验Bayes估计,并在合适的条件下证明了该估计的渐近最优性.最后,给出两个有关本文主要结果的例子. 相似文献
13.
给出了不完全信息下 型截尾weibull分布参数的极大似然估计、无信息先验Bayes估计及多层Bayes估计,并指出针对一些具体模型还可以通过随机模拟来比较其估计精度. 相似文献
14.
以Г-后验期望损失作为标准,研究了定数截尾试验下两参数W e ibu ll分布尺度参数θ的最优稳健Bayes估计问题.假设尺度参数θ的先验分布在分布族Г上变化,形状参数β已知时,在0-1损失下,得到了θ的最优稳健区间估计,在均方损失下得到θ的最优稳健点估计及区间估计;β未知时,得到了θ的最优稳健点估计及区间估计.最后给出了数值例子,说明了方法的有效性. 相似文献
15.
16.
Tang Shengdao 《大学数学》1998,(4)
在指数分布场合,定数或定时截尾试验,文[1]给出了参数λ在先验分布为Γ(α,β)分布的假设下的Bayes估计.文[3]给出了在平方损失下的Bayes估计.本文讨论先验分布为B(a,b)分布时,参数λ的Bayes估计. 相似文献
17.
讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好. 相似文献