非平方损失函数下Gamma部件可靠性的Bayes估计

Lwin和Singh对部件寿命x服从Г(t,λ,k)分布,当形状参数k已知,尺度参数未知时对部件可靠性进行Bayes估计。考虑到实际问题的需要,对损失函数应加上测度不变性的要求,本文取损失函数在参数λ的先验分布分别为指数Beta分布和Gamma分布的情况下,讨论了Gamma部件各项可靠性指标的Bayes估计,且把Lwin和Singh所做的结果看作本文的特例。设部件的寿命x服从其中:t>0,λ>0,k>0为已知的形状参数,尺度参数λ未知。那么部件的可靠度函数与平均寿命分别为:     

Bazilevic函数类的子类的性质

本文讨论了Bazilevic函数的子类Bn(α,β,σ）的不等式性质,运用微分从属方法得到了Re[f(z)z]^α β的精确下界,其中f(z)∈Bn(α,β,σ）,它推广了一些作者的有关工作。同时得到几个相关结果。     

α级星象函数类的子类

设f(z)=s …在|z|<1内解析,给定λ>-1,用定义算子D~λ,这里运算*表示Hadamard乘积,本文研究满足条件的f(s)构成的函数类Q_λ(α),对于λ≥1和O≤α<1,证明了Q_λ(α)是α级星象函数类的子类,Bernardi和Libera等的某些结果得到推广,Brickman等提出的一个涉及α级凸象函数从属关系的猜想被证实。     

关于强星像函数类的一个子类

引入了强星像函数类的一个子类Ｓ（α，β，ρ，σ，Ａ，Ｂ），讨论了它的从属关系、包含关系、星像阶数和强星像阶数以及积分表示定理等，所得结果推广了一些作者的相关工作。     

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.     

非平方损失下的经验 Bayes 估计

经验 Bayes 估计作为一种有效的参数估计方法已经得到广泛的讨论。首先是由 H.Robbins 提出了这一概念,在[6]中他给出了一般的构造方法,并研究了其渐近最优性质。在此之后也有很多这方面的结果。对小样本的情形,C.Morris 在[5]中进行了研究,并给出了许多卓有成效的应用实例。然而到目前为止,大量的结果都局限于平方损失的情况。对于非平方损失,是否可以构造一类经验 Bayes 估计,使其具有渐近最优性质还无从可知,本文试图在这一方面作些初步探讨。     

熵损失函数下几何分布可靠度的Bayes估计

本文在几何分布的先验分布为幂分布时研究了其在熵损失函数下,可靠度的多层Bayes估计及其容许性,给出了可靠度的多层Bayes估计的计算公式.通过实例验证,在熵损失函数下计算出的几何分布可靠度的多层Bayes估计是稳健的,并进一步表明在熵损失函数下计算出的几何分布可靠度的多层Bayes估计值比其在平方损失函数下算出的结果精度更高.     

MLINEX损失函数下的信度估计（英文）

In this paper, MLINEX loss function was considered to solve the problem of high premium in credibility models. The Bayes premium and credibility premium were obtained under MLINEX loss function by using a symmetric quadratic loss function. A credibility model with multiple contracts was established and the corresponding credibility estimator was derived under MLINEX loss function. For this model the estimations of the structure parameters and a numerical example were also given.     

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     

关于对称点的特定子类双单叶函数的泛函估计

本文研究了与Srivastava-Attiya算子有关的解析、双单叶函数类∑的子类S*∑bη(μ,λ;φ),接着给出了Fekete-Szeg(o)泛函不等式对应估计以及系数a2和a3的有界的对应估计,进而得到关于对称点函数子类S*∑(λ;φ)的第二Hankel行列式.还诠释了与以前已知结论的因果关系和联系.     

Salagean算子定义的双单叶函数子类的系数估计

In this paper, a new subclass N_Σ~(h,p)(m, λ, μ) of analytic and bi-univalent functions in the open unit disk U is defined by salagean operator. We obtain coefficients bounds |a_2| and |a_3| for functions of the class. Moreover, we verify Brannan and Clunie's conjecture |a_2| ≤2~(1/2)for some of our classes. The results in this paper extend many results recently researched by many authors.     

损失函数估计的可容许性

本文考虑损失函数的估计问题。主要讨论了正态分布和Poisson分布情形下均值的通常估计量的损失之估计的可容许性。     

关于α阶星像函数类的一个子类

设f(z)=z+…在单位圆|z|<1内解析.给定λ(0≤λ<1),我们定义线性算子Ω^λ Ω^λf=Γ(2-λ)z^λD_z^λf(z);和Ω^n+λf=Ωⁿ(Ω^λf),n∈N∪{0}.其中D_z^λf(z)表示f(z)的分数阶导数且Ω¹ f(z)=zf′(z).用A_{n相似文献}   

Mlinex损失函数下一类分布族参数的Bayes估计

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.     

AR模型阶数依平方损失函数下的Bayes估计

本文在假定模型阶数K有已知上界、并为离散随机变量,且具有一定的先验概率函数的情况下,讨论了在平方损失下AR模型阶数的Bayes估计,并证明了所给的估计量是有一致性的估计。     

广义加权损失函数下未决赔款准备金的信度估计

为了使得估计的准备金不依赖于先验分布的具体形式,在贝叶斯链梯模型中,采用信度理论的思想,在广义加权损失函数下得到链梯因子的信度估计,建立了案均赔款法下的未决赔款准备金模型.最后,给出保险公司的实际例子,将得到的信度估计与经典链梯法和随机链梯法估计进行了比较.结论显示,方法对未决赔款准备金是有效的.