正态分布族的参数的经验Bayes估计的收敛速度

对于正态分布族｛Ｎ（μ，σ￣２）：－∞＜μ＜＋∞，σ￣２＞０｝，该文利用密度函数及其偏导数的核估计构造出参数θ＝（μ，σ￣２）的经验Ｂａｙｅｓ（ＥＢ）估计，并在一定条件下证明了θ的ＥＢ估计的收敛速度可任意接近于１．最后给出了一个实例．     

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes（EB）估计,证明了所提出的EB估计是渐近最优的且有收敛速度,其中1/2≤λ<1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.     

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes(EB)估计,证明了所提出的EB估计是渐近最优的且有收敛速度(),其中1/2＜λ＜1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.     

连续型多参数指数族参数的经验Bayes估计的收敛速度

本文用一般的最近邻型估计的方法研究了连续型多参数指数族参数的经验Ｂａｙｅｓ估计，在通常的条件下，给出了估计的较理想的收敛速度．     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes估计.利用核估计的方法构造了参数的经验Bayes估计,在适当条件下得到了经验Bayes估计的收敛速度,推广了文献中的相关结果.     

刻度指数族参数的经验Bayes估计及收敛速度

本文在刻度平方误差损失函数下导出了刻度指数族分布中参数的Bayes 估计. 利用核估计的方法构造了参数的经验Bayes 估计, 在适当条件下得到了经验Bayes 估计的收敛速度, 推广了文献中的相关结果.     

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 ．     

多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度

本文构造了多参数离散指数族参数的渐近最优的经验Bayes（EB）估计,若记B_n（δ_n,G）为δn的全面Bayes风险,R_G最小Bayes风险,则在某些条件下c_1n~(-1）2成立,其中c_1,c_2为正的常数,     

非指数分布数族参数的经验Bayes估计的收敛速度

在“平方损失”下,研究了非指数分布族参数θ的经验Bayes估计,首先利用概率密度函数的核估计,构造了位置参数的经验Bayes（EB）估计量,在适当的条件下获得了它的收敛速度．     

伽玛分布族Γ{θ,1/2}参数的经验Bayes估计的收敛速度

本文构造了伽玛分布族 Γ θ,12 参数的经验 Bayes估计 ,并给出了该估计的收敛速度 .在适当的条件下 ,该速度可以分别充分接近于 12 和 1 .     

刻度指数族参数的经验Bayes检验函数收敛速度的改进

在加权线性损失下导出了刻度指数族中参数单调的Bayes检验函数,利用同分布负相协(NA)样本情形概率密度函数及其导数的核估计构造了经验Bayes(EB)检验函数,获得了EB检验函数的收敛速度.在适当的条件下,这一收敛速度可任意接近O(n~(-1)),改进了文献中已有的结果.对同分布正相协(PA)样本和独立同分布(iid)样本情形,亦可获得类似结论.最后给出了一个满足文中主要结果的例子.     

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.     

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．     

威布尔分布族刻度参数的经验Bayes检验函数的收敛速度

本文研究了在"加权线性损失"下,威布尔分布族刻度参数经验Bayes (EB)检验问题.利用概率密度函数的递归核估计,构造了刻度参数的经验Bayes检验函数,并获得了它的收敛速度,在适当的条件下,收敛速度的阶可任意接近O(n^-1),推广了文献的结果.最后给出一个有关本文主要结果的例子.     

多维参数线性经验Bayes估计一致收敛速度的最优性

证明出任何一个多维参数性经验Ｂａｙｅｓ估计的一致收敛速度不可能超过１，从而说明文［１］中构造的线性经验Ｂａｙｅｓ估计的一致收敛速度１是最优的。     

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 .     

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。     

伽玛分布族г[θ，1／2]参数的经验Bayes估计的收敛速度

本构造了伽玛分布族г[θ，1／2]参数的经验Bayes估计，并给出了该估计的收敛速度。在适当的条件下，该速度可以分别充分接近于１／２和１。     

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.     

二维单边截断分布族中经验Bayes估计的收敛速度

本文考虑二维单边截断型分布族中经验Ｂａｙｅｓ估计的收敛速度，在一定的条件下给出了相应的速度，并说明了在较强的条件下收敛速度可充分接近１。