截断型分布族参数的估计之损失的可容许估计

估计损失方法已经有很多文章论述,近期有[1]、[2]、[3]等。在传统的判决理论中,通常的做法是,在损失函数L(θ,d)下,基于样本选择判决函数δ(X),用风险函数R(θ,δ(x))=E_θL(θ,δ(X))作为衡量δ(X)的性能的量度或精度。估计损失方法认为(参见[1]),如果L(θ,δ(X))可获得,则精度的理想的量度应是L(θ,δ(X))本身,并利用样本给出这个实际损失的估计L_δ(X)。在估计损失L(θ,δ(X))时,采用的损失函数     

损失函数的选择

本文给出了损失函数的比较准标,对于单个位置参数分布族,得到了关于线性估计类凸损失函数与平方损失函数等价,在独立同分布样本下,给出了凸损失函数下的线性容许估计类。     

熵损失函数下的信度模型

本文研究了信度模型问题.利用熵损失函数,获得了风险保费的信度估计和经验Bayes信度估计.所获结果是对现有风险保费信度估计和经验Bayes信度估计的一个补充.     

一种对称损失函数下正态总体刻度参数的估计

本文研究正态分布中刻度参数在损失函数L(σ，δ)=[(σ-δ)^2]/σδ下的最小风险同变估计及Bayes估计，并讨论(cT(x) d)^1/2形式估计的可容许性与不可容许性，我们发现在这种损失下σ的极大似然估计是不可容许的．     

LINEX损失函数下位置参数函数的极小极大估计

主要研究了在LINEX损失函数下位置参数函数的极小极大估计,为了给出它的极小极大估计存在的一个充分条件,将位置参数θ限定在一个有界区间上,并且当其函数h(θ)满足一定条件时,h(θ)的极小极大估计是存在的,并给出了证明.     

基于测量质量损失函数的控制图控制界限的优化

控制界限和抽样间隔是控制图的两个基本参数。常规控制图是基于3σ原理确定的控制界限,该控制界限是在大量试验基础上依据经验确定的,并没有精确的公式推导.对于抽样间隔,常规控制图也没有明确的规定。田口博士的质量损失函数可以很好的解决质量经济性方面的一些问题.利用田口博士的理论,通过确定适宜的二次测量质量损失函数,可以确定控制图的最佳控制界限和最佳抽样间隔.文章简要介绍了常规控制图原理和田口博士的质量损失函数,重点叙述了田口博士反馈控制系统的测量质量损失函数,在此基础上,研究了控制图最佳控制界限和最佳抽样间隔,并且通过具体实例验证了该控制图良好的经济性.     

矩阵损失下一个参数子集的线性MINIMAX估计

考虑带多余参数的线性模型ＥＹ＝Ｘβ＋Ｚγ，Ｃｏｖ（Ｙ）＝σ＾２Ｖ。其中Ｖ是已知的非负定对称矩阵，在适当和假设下，我们得到了可估函数Ｓβ的所有线性ＭＩＮＩＭＡＸ估计。     

基于损失厌恶的Littlewood容量控制准则

在传统的航空收益管理单航段两种票价等级的容量控制准则—Littlewood准则容量控制模型基础上考虑有限理性决策中的损失厌恶特性和参照依赖属性,以盈亏均衡点为基点,引入具有损失厌恶特征的效用函数,在Kahneman和Tversky预期理论(Prospect Theory,PT)的框架下,给出单航段两种票价等级的不同损失厌恶程度下高等级座位保护水平的计算公式.理论分析和数值算例均表明,随着损失厌恶程度的增加,在其他条件不变的前提下,高等级座位的保护水平将不断降低.     

对称熵损失下成功概率p的E-Bayes估计

研究对称熵损失下成功概率p的Bayes估计和E-Bayes估计,证明了前者的存在性及唯一性.模拟结果表明E-Bayes估计优于极大似然估计和Bayes估计.并将E-Bayes方法应用在证券投资预测之中,预测效果较好.     

MLinex损失函数下Gamma分布的尺度参数的Bayes估计

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.     

基于非对称损失函数的参数设计

本文针对望目特性的正态指标,在非对称的二次质量损失函数下,讨论了参数设计的可行性, 证明田口方法的稳健性设计和灵敏度设计依然行之有效.定义了调整参数,求出了使质量损失最小的数值解,并给出了参数设计的具体步骤.     

汽车交通事故损失分布的尾部估计

由于巨额损失对保险公司的影响非常大,费率厘定过程中对极值分布的研究非常重视。本文从极值理论的角度出发,以上海市虹口区2003年的汽车交通事故损失数据为样本,探讨了损失分布的尾部估计方法,并利用该地区2006年的汽车交通事故损失对结论进行了验证。研究结果发现,广义帕雷托分布确实对损失额的尾部提供了较好的拟合,但这依赖于门槛值的恰当选择。传统的门槛值选择方法主观性较强,而通过重复多次的交叉验证技巧,我们可以估计广义帕雷托分布的最合适门槛值位置。     

基于非对称损失函数指数分布总体的参数设计

田口玄一的参数设计思想只是针对对称的损失函数所做,有一定的局限性.讨论了非对称的损失函数,定义了损失系数比,并在指标服从指数分布的情形下定义了调整参数,并指出了调整参数在参数设计中的特殊位置和重要特性,给出了参数设计的方法和步骤.     

对称熵损失下的一类指数族刻度参数估计

In this paper we investigate the estimator for the rth power of the scale parameter in a class of exponential family under symmetric entropy loss L（θ, δ） = v（θ/δ ＋ δ/θ - 2）. An exact form of the minimum risk equivariant estimator under symmetric entropy loss is given, and the minimaxity of the minimum risk equivariant estimator is proved. The results with regard to admissibility and inadmissibility of a class of linear estimators of the form cT（X） ＋ d are given, where T（X） Gamma（v, θ）.     

平衡损失下回归系数的线性Minimax估计

在平衡损失函数下,主要研究回归系数的线性Minimax估计问题.通过分析平衡损失风险的极大极小性,得到了线性优化计类中回归函数的Minimax估计.在适当的假设下,证明了其唯一性.