位置参数估计量的损失函数之估计

本文考虑损失函数的估计问题,分别对于球对称分布和均匀分布情形给出了其参数的J-S型估计量的损失之估计,它们满足[1]中提出的条件(Ⅰ)和(Ⅱ).     

具有正态逆伽玛先验的正态分布中的方差参数在Stein损失下的贝叶斯后验估计量（英文）

对于先验分布为正态逆伽玛分布的正态分布的方差参数,我们解析地计算了具有共轭的正态逆伽玛先验分布的在Stein损失函数下的贝叶斯后验估计量.这个估计量最小化后验期望Stein损失.我们还解析地计算了在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失.数值模拟的结果例证了我们的如下理论研究:后验期望Stein损失不依赖于样本;在平方误差损失函数下的贝叶斯后验估计量和后验期望Stein损失要一致地大于在Stein损失函数下的对应的量.最后,我们计算了上证综指的月度的简单回报的贝叶斯后验估计量和后验期望Stein损失.     

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．     

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。     

评价估计量的贴近标准

本文提出评价估计量的贴近标准，并用该标准讨论了正态分布总体方差σ^2及均匀分布参数θ的极大似然估计的一些性质。     

基于非对称损失函数的过程均值与标准差优化设计

质量特性的过程均值与过程标准差的选定是一个重要的命题,它们是影响质量成本的重要因素.由顾客定义的特性目标均值以及初始标准差往往并不一定能使得总体的质量损失最小化。针对此问题,本文首先讨论了非对称的质量损失函数,并在此基础上构造出质量特性目标均值与标准差的优选模型,进而得到最优目标过程均值与标准差。在模型的应用中表明:其他情况不变的情况下,质量特性最优均值与最优标准差对质量损失系数具有一定的稳健性。     

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.     

幂幂损失下正约束参数的贝叶斯估计量及其应用（英文）

所提出的幂幂损失函数对参数过大或过小具有均衡收敛速度或惩罚,具有本文列出的所有七个性质,因此建议用于正限制参数空间.然后在幂幂损失函数下计算参数的贝叶斯估计量、后验风险、综合风险和贝叶斯风险.接着,我们在一个分层正态–正态逆伽玛模型下解析地计算了这些量.最后,数值模拟验证了我们的理论研究.     

对称分布函数估计量的自助法

本文考虑与对称分布有关的经验过程的自助（Ｂｏｏｔｓｔｒａｐ）问题。证明了对称分布之分布函数的自助估计的相合性。同时还讨论了用自助法构造对称分布函数的置信界的方法。     

人口总数估计:基于三系统估计量与比率估计量的组合方法

受多种因素影响,人口普查结果不可避免地偏离真实人口总数,如何构造一个统计性质优良,适用范围广的人口总数估计量,精准把握人口变动趋势是政府统计工作的重要议题.本文解读了英国统计局普查年人口总数估计的经验方法,据此提出三系统估计量与比率估计量组合的人口总数估计方法.模拟研究结果表明,在人口总体合理分层的基础上,新方法能较好...     

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.     

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     

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y＜X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr XII型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.     

基于截尾正态分布的最优过程均值的确定

过程均值的选择对生产率的提高以及产品质量改进非常重要,因为它直接影响到过程的缺陷率、材料费用、重加工费及产品性能偏离目标值对顾客造成的损失等.本文讨论了在不对称田口质量损失函数下截尾正态分布的最优过程均值的确定问题.通过灵敏度分析,研究了过程参数对过程均值选择的影响.     

一类数论函数的均值估计

本文的主要目的是利用筛法给出一类数论函数的平均值估计.     

加权平衡指数损失函数下的广义信度保费估计

在非寿险中,在索赔经历虽然相互独立,但有时会服从不同的分布.通过考虑保费的目标估计来对风险保费进行了研究,并采用正交投影的方法得到了目标问题的最优解,从而得到了加权平衡指数损失函数下的信度估计.此外,给出了结构参数的无偏估计,并给出了模拟.结果表明,在考虑目标保费的情况下,当选取一个合适的权重,可以得到未来保费的最优估计.