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.     

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。     

加权平方损失下伽玛分布族Γ(θ,1/2)参数θ的EB估计

在加权平方损失函数下讨论了伽玛分布族T(θ,1/2)参数θ的经验Bayes(EB)估计,并讨论了EB估计的收敛速度问题,在一定条件下,收敛速度可充分接近于1.     

广义Dedekind函数误差项的加权平方积分均值

研究了和式∑↑n≤x（n/ψ（n））^r的渐近公式中的误差项E（x;r）的加权平方积分均值。其中，r是正整数，ψ(n)是Dedekind函数。     

平方函数的加权及向量值不等式

证明一类带粗糙核平方函数的加权及l~r-向量值不等式,其中所用的权函数为径向权.作为推论,我们得出了带H~1-核的Marcinkiewicz积分μ_Ω的相应不等式.     

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.     

内蕴平方函数交换子在加权弱Hardy空间上的端点估计

证明了由BMO函数与α阶内蕴面积函数S_α和内蕴g_(λ,α)*函数生成的交换子都是由加权弱Hardy空间WH_(b,ω)~1到加权弱L1空间WL_ω~1上的有界算子.     

一种对称损失函数下刻度参数的最优同变估计

本文研究刻度参数分布族(1/σ)f(x/σ)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其最小最大性。     

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.     

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     

Stein控制估计量的损失函数之估计

本文获得了［１］中正态分布Ｎｐ（θ，Ｉ）均值θ的估计量Ｘ－１／Ｘ＇ＢＸＡＸ的风险之无偏估计ｐ－Ｘ＇Ａ＾２Ｘ／（Ｘ＇ＢＸ）＾２满足［２］中提出的条件（Ⅰ）的充分条件与必要条件，特别Ａ当为幂等阵时得到了充要条件，这是［２］提出的一个问题。本文还给出了Ｘ－１／Ｘ＇ＢＸＡＸ的损失的另一种估计，它满足［２］中的条件（Ⅰ）和（Ⅱ）。     

除数和函数对平方补数的均值

对于任意正整数n的平方补数c（n）,研究了其除数和函数σ（c（n））均值的渐近性,并利用解析方法得到了一个渐近公式。     

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．     

一类分布族的损失函数和风险函数的Bayes推断

本文考虑如下一类分布族:F(t)=[g(t)]θ,-∞A0(1)其中g(t)是关于t单调递增的可微函数,且g(A)=0,g(B)=1.在共轭先验分布下研究了未知参数η=1θ的损失函数和风险函数的B ayes估计及其保守性质,并给出相应的B ayes估计的合理性.     

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.