不同先验分布下艾拉姆咖分布参数的Bayes估计

首先在定数截尾场合下,分别取共轭先验、Jeffreys先验和无信息先验,给出了艾拉姆咖分布参数的Bayes点估计和区间估计;其次用极大似然法得到超参数的估计值;然后通过随机模拟得到参数估计的均值和均方误差;最后由一个实例给出了不同截尾样本下参数的三种点估计和区间估计,并把它们进行了比较.     

艾拉姆咖分布参数变点的Bayes估计

研究了艾拉姆咖分布变点估计的非迭代抽样算法(IBF)和MCMC算法.在贝叶斯框架下,选取无信息先验分布,得到关于变点位置的后验分布和各参数的满条件分布,并且详细介绍了IBF算法和MCMC方法的实施步骤.最后进行随机模拟试验,结果表明两种算法都能够有效的估计变点位置,并且IBF算法的计算速度优于MCMC方法.     

巴斯卡分布参数的Bayes估计

给出巴斯卡分布在参数具有验前β（1／2,0）分布时产品可靠度的Bayes估计,Bayes置信下限以及参数具有含超参数的验前Beta分布时可靠度的多层Bayes估计,并进一步得到几何分布的相应估计。     

艾拉姆咖(Эрланга)分布小样本区间估计和检验问题研究

本文研究了艾拉姆咖分布的小样本区间估计和检验问题.给出了检验统计量和相应的拒绝域.比较了指数分布和艾分布的区别和差异.指出在对装备维修工时的估计时,运用艾分布可能更加精确和有意义;并运用实例分析了区间估计精度.文章对装备维修工时的估计具有一定意义.     

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本，在熵损失函数下，研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计，并给出了该参数的Bayes区间估计。     

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。     

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计，利用非参数方法构造了位置参数的经验Bayes(EB)估计．在适当的条件下，获得了EB估计的收敛速度．最后，给出了一个例子说明适合定理条件的先验分布是存在的．     

双边截断型分布族参数函数的渐近最优经验Bayes估计

本文考虑一维双边截断型分布族参数函数在平方损失下的经验 Bayes估计问题 .给定θ,X的条件分布为f (x|θ) =ω(θ1,θ2 ) h(x) I[θ1,θ2 ] (x) dx其中θ =(θ1,θ2 )T(x) =(t1(x) ,t2 (x) ) =(min(x1,… ,xm) ,max(x1,… ,xm) )是充分统计量 ,其边缘密度为 f (t) ,本文通过 f (t)的核估计构造出θ的函数的经验 Bayes估计 ,并证明在一定的条件下是渐近最优的 (a.0 .)     

三参数Weibull分布参数的Bayes估计

给出了三参数Weibull分布参数Bayes估计的两种方法,其一基于Laplace数值积分法,其二基于Gibbs抽样方法.模拟例子说明了估计方法的有效性.     

Burr Ⅻ分布参数的经验Bayes估计的渐近最优性

本文研究了Burr Ⅻ分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.     

广义Pareto分布参数的经验Bayes估计的收敛速度

在加权平方损失函数下,获得广义Pareto分布形状参数的经验Bayes(EB)估计,并得到了该估计的收敛速度.     

LINEX损失下Pareto分布族参数的经验Bayes估计

在 L inex损失函数下 ,讨论 Pareto分布族参数的经验 Bayes(EB)估计问题 ,文中构造了参数的 EB估计 ,在适当的条件下给出了该估计的收敛速度 .最后给出满足定理条件的例子 .     

Kumaraswamy分布的经验Bayes检验

主要对Kumaraswamy分布分别在绝对值损失和加权平方损失下利用核估计构造了参数相应的经验Bayes(EB)单侧检验函数,在适当的条件下证明了所提出的EB检验函数是渐近最优的,并获得了EB检验函数的收敛速度.     

不同损失函数下Pareto分布参数的Bayes估计

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     

LINEX损失下Paret0分布族参数的经验Bayes估计

在"nex损失函数下,讨论Pareto分布族参数的经验Bayes(EB)估计问题,文中构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度.最后给出满足定理条件的例子.     

Linex损失下二维单边截断型分布族参数的经验Bayes估计

在linex损失函数下,讨论边二维单边截断型分布族参数的经验Bayes(EB)估计问题,文中构造了参数的EB估计,在适当的条件下给出了该估计的收敛速度。并说明在较强条件下收敛速度可充分接近1。     

NA样本下截断型分布族参数的经验Bayes估计

运用NA样本密度函数核估计构造了一类截断型分布族参数的经验Bayes估计，建立了它的收敛速度，证明了在适当条件下该收敛速度可以任意接近于1，文中还给出了适合定理条件的例子。     

复合Linex对称损失下Kumaraswamy分布参数的Bayes估计

当参数的先验分布为伽玛分布时,在复合Linex对称损失函数下得到了Kumaraswamy分布参数θ的唯一的Bayes估计,多层Bayes估计和E-Bayes估计,并通过数值模拟说明了所给参数估计的稳健性和精确性.     

一维双边截断型分布族中参数函数的经验Bayes估计及其收敛速度

对一维双边截断型分布族构造了参数函数的经验 Ｂａｙｅｓ 估计,在适当的条件下给出了相应的收敛速度,并说明此收敛速度可充分接近 １２ ．     

不同损失下Lomax分布形状参数的Bayes估计

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.