对Stein的SLS估计的改进研究

提出一类新的估计——c-(K,S)型估计,证明了在均方误差意义下运用泛岭回归技术可以改进S te in的SLS估计,同时给出了参数的最优值满足的条件.     

关于Type I McKay分布的Stein方程的解的性质的一些研究

在本文中, 我们得到了Type I McKay Distribution的Stein方程的通解. 我们证明了其Stein方程的有界解存在且唯一. 进一步的我们研究了其应的有界解的一些性质. 这对用Stein方法取研究Type I McKay分布的逼近可能会有一些作用.     

混合系数线性模型参数的Stein估计

在连续测量数据情况下,对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计,并证明了在均方误差意义下,Ｓｔｅｉｎ估计要优于ＬＳ估计,最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法     

基于Stein方法的均衡分布的Berry-Esseen界

受Shao和Su(2006)的启发,获得了均衡分布的Berry-Esseen界,定理的证明基于Stein方法.     

k阶Stein函数的有界性

通过Poisson积分构造向量核函数，利用向量情形的奇弄积分算子的强型估计与弱型估计理论，建立了k阶Stein函数的强型估计、弱型估计与BMO模估计，完全解决了A阶Stein函数的有界性问题。     

Stein流形上的Lewy方程

本文利用Stein流形上强拟凸域的全纯支撑函数,并使用Hermite度量和陈联络定义的Koppelman-Leray核,结合边界的流形结构特点,得到了强拟凸域边界上(p,q)型Lewy方程(b-方程)解的一种整体积分表示.     

Stein流形上一个带有算子映射函数的积分公式

本文得到Ｓｔｅｉｎ流形上一个带有算子映射函数Ｓ（ｚ,ζ）和实参数的积分公式,由这个公式不但可以推出Ｓｔｅｉｎ流形上全纯函数和光滑函数的一些已有积分公式和它们相应的拓广式,而且还可以得到一些新的积分公式。     

James—Stein型置信椭球及其覆盖概率

本文构造了协方差阵具有非球型结构（未知）的多元正态分布均值的James-Stein型置信椭球,它能渐近一致改进通常置信椭球的覆盖概率,并给出了改进余项的一致阶,同时本质改进了文献中有关余项的一致阶。     

Stein流形上Bochner-Martinelli型积分的导数的Plemelj公式

运用局部化方法和双全纯映射,通过Stein流形和C~n空间中Bochner-Martinelli核的联系,借助已获得的C~n空间中导数的Plemelj公式,得到Stein流形上导数的Plemelj公式.     

基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计

本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验贝叶斯估计的渐近最优性.     

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.     

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.     

绝对值损失下单边截断型分布族参数的经验Bayes估计

本文在绝对值损失下,构造了单边截断型分布族参数的EB估计,并证明了在一组条件下,其Bayes风险的收敛速度为0((ln n/n)~(λγ/(2r+))·M_n),其中0<λ,γ≤1,M_n≤ln ln n(n充分大),M_n为一无穷大量。     

对称熵损失下的一类指数族刻度参数估计

In this paper we investigate the estimator for the rth power of the scale parameter in a class of exponential family under symmetric entropy loss L（θ, δ） = v（θ/δ ＋ δ/θ - 2）. An exact form of the minimum risk equivariant estimator under symmetric entropy loss is given, and the minimaxity of the minimum risk equivariant estimator is proved. The results with regard to admissibility and inadmissibility of a class of linear estimators of the form cT（X） ＋ d are given, where T（X） Gamma（v, θ）.     

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。     

绝对损失下双边截断型分布族参数的渐近最优经验Bayes估计

本文在绝对损失下构造了双边截断型分布族参数的经验Bayes估计,并在合适的条件下证明了该估计的渐近最优性.最后,给出两个有关本文主要结果的例子.     

一种对称损失函数下一类指数分布族刻度参数的估计

在p,q对称熵损失函数L(θ,δ)=θp/δp+δq/θq-2(p,q0)下,研究了一类指数分布族c(x,n)θ-ve-T(x)/θ的刻度参数θ的Bayes估计与可容许估计,并应用积分变换定理证明了这两个估计具有不变性.     

加权p,q对称熵损失下一类指数分布模型参数的估计

在由信息论中的熵演绎出的一种新损失一加权P,q对称熵损失L(θ,δ)=θ/Pδp+δq/qθq-2(ρ,q>0)下,研究了一类指数分布模型c(x,η)θ-νe-νe-T(x)/θ的参数θ的Bayes估计的一般形式与精确形式,讨论了参数θ的形如cT(X)+d的一类估计的可容许性与不可容许性,并应用积分变换定理证明了参数θ的Bayes估计与可容许估计具有不变性,     

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。     

Estimation of the Multivariate Normal Precision Matrix under the Entropy Loss

Let X ₁, , X _n (n > p) be a random sample from multivariate normal distribution N _p (, ), where R ^p and is a positive definite matrix, both and being unknown. We consider the problem of estimating the precision matrix ^–1. In this paper it is shown that for the entropy loss, the best lower-triangular affine equivariant minimax estimator of ^–1 is inadmissible and an improved estimator is explicitly constructed. Note that our improved estimator is obtained from the class of lower-triangular scale equivariant estimators.