MLinex损失函数下Gamma分布的尺度参数的Bayes估计

在MLinex损失函数下,利用Bayes估计方法研究了Gamma分布的尺度参数的Bayes估计,并证明了其容许性.结果是:在Mlinex损失函数下得到了Gamma分布尺度参数唯一的Bayes估计的一般表达式及其精确表达式,并证明是可容许的.最后通过数值分析实例,说明了所用的参数估计方法是合理可行的.     

复合Mlinex损失函数下指数威布尔分布参数的Bayes估计

基于复合Mlinex损失函数,研究了指数威布尔分布的参数在先验分布为伽玛分布的B ayes估计,E-B ayes估计和多层Bayes估计.并用数值模拟的方法进行验证,结果表明三种估计方法的稳健性好,精确度较高.     

定数截尾两参数指数——威布尔分布形状参数的Bayes估计

在不同的损失函数下,本文研究了两参数指数—威布尔分布(EWD)形状参数的Bayes估计问题.基于定数截尾试验,当其中一个形状参数α已知时,给出了另一个形状参数θ在三种不同损失函数下的Bayes估计表达式,并求得了可靠度函数的Bayes点估计.最后运用随机模拟方法,将Bayes估计和极大似然估计进行了比较.结果表明,LINEX损失下Bayes估计的精度比极大似然估计高.     

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.     

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.     

复合Linex对称损失下Kumaraswamy分布参数的Bayes估计

当参数的先验分布为伽玛分布时,在复合Linex对称损失函数下得到了Kumaraswamy分布参数θ的唯一的Bayes估计,多层Bayes估计和E-Bayes估计,并通过数值模拟说明了所给参数估计的稳健性和精确性.     

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.     

PA样本下刻度指数族参数的EB估计的收敛速度

在同分布正相协（PA）样本下，对刻度指数族在加权平方损失下获得了刻度参数的Bayes估计．并构造了相应的经验Bayes（E·B）估计，证明了所提出的EB估计是渐近最优的并且获得了E·B估计的收敛速度．最后，给出一个满足主要结果的例子。     

Poisson分布参数的E-Bayes估计及其性质

给出了参数的E-Bayes估计的定义.对Poisson分布,在平方损失下给出了参数的EBayes估计和多层Bayes估计,并在此基础上给出了E-Bayes估计的性质.最后,结合实际问题进行了计算,结果表明所提出的方法可行且便于应用.     

双参数指数分布环境因子的Bayes估计

讨论了定数截尾样本下双参数指数分布环境因子的极大似然估计、区间估计和Bayes估计.以参数后验密度的商密度作为环境因子的后验密度,并结合专家经验运用Bayes方法给出了环境因子在平方损失下和LINEX损失下的Bayes估计.最后运用Monte Carlo方法对各估计结果的均方误差(MSE),进行了模拟比较.结果表明LINEX损失下环境因子的估计较好.     

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。     

不同损失下Lomax分布形状参数的Bayes估计

本文研究了两参数Lomax分布形状参数的Bayes估计问题.当尺度参数已知时,给出了在几种不同损失函数下形状参数的Bayes估计表达式,并运用随机模拟方法对各个估计进行了比较.     

对数伽玛分布尺度参数的Bayes估计在LINEX与复合LINEX损失函数下的比较

在LINEX损失函数与复合LINEX损失函数下,研究对数伽玛分布尺度参数θ的Bayes估计、E-Bayes估计和多层Bayes估计.给出先验分布为伽玛分布和Jeffreys先验分布时的Bayes估计,进而给出先验分布为伽玛分布时的E-Bayes估计和多层贝叶斯估计.通过数据模拟检验参数的Bayes估计和E-Bayes估计的合理性及优良性,并且发现一些数据表中存在一定的规律.     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文[1]给出了参数λ在先验分布为Г(α，β)分布的假设下的Bayes估计．文[3]给出了在平方损失下的Bayes估计,本文讨论先验分布为B(a，b)分布时，参数λ的Bayes估计。     

双边定数截尾下Pareto分布的可靠性分析

基于双边定数截尾样本,选取未知参数的先验分布为无信息先验和Gamma分布,分别在平方损失和LINEX损失下,研究了Pareto分布的形状参数和可靠性指标(可靠度和失效率)的Bayes估计.为了研究估计的精度,采用Monte-Carlo模拟的方法给出了数值检验的例子.结果表明在LINEX损失下并选用Gamma先验分布时,参数的Bayes估计是最优的.     

逐步增加的Ⅱ型截尾下系统可靠性的Bayes分析及寿命预测

在逐步增加的型截尾模型下,研究部件寿命服从双参数指数分布的冷贮备串联系统可靠性指标的Bayes估计及单样本场合未来观测值的预测问题.在两个参数均未知的情形下,分别在平方损失(SE)、LINEX损失和熵(General Entropy,GE)损失函数下给出两个参数及可靠性指标的Bayes估计,对于超参数的确定,给出一种新的方法;并讨论了单样本场合未来观测值的预测问题,给出预测分布及预测区间;最后利用随机模拟方法进行比较,并对结果进行了讨论.     

一类均匀分布在绝对值损失下的渐近最优经验Bayes估计

关于平方损失下的经验 Bayes 估计问题,文献中已有较多的结果.而对于绝对值损失,由于参数的 Bayes 估计不易用样本的边缘分布表达出来,从而难于构造经验 Bayes 估计.本文试图越过这一难点,讨论一类均匀分布,给出其参数的经验 Bayes 估计的渐近最优性.本文讨论写成下述形状的均匀分布族     

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．     

LINEX损失下Paret0分布族参数的经验Bayes估计

在"nex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.     

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 .