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,     

指数族刻度参数EB估计的渐近最优性

依据经验Bayes(EB)估计的思想方法,研究在LINEX损失函数下指数族刻度参数的EB估计问题.在这种损失函数下,求得参数的Bayes估计,利用密度函数的核估计方法,构造了总体X的密度函数估计,从而得到参数的EB估计,证明了这种EB估计是渐近最优的,并获得了它的收敛速度,最后将这种方法推广到多参数情形,并举例、模拟说明了它的应用.     

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．     

连续型单参数指数族参数的经验Bayes检验函数的收敛速度

对独立同分布样本情形的连续型单参数指数族的单边假设检验问题,在线性损失下 导出了单调的Bayes检验函数,构造了相应的经验Bayes(EB)检验函数. 在一定条件下, 获得的经验Bayes检验函数的收敛速度可任意接近$O(n^{-1})$.最后给出了满足定理条件的两个例子.     

两参数联立EB估计的渐近最优性

一、引言文[1]中研究了一元正态分布均值与方差联立EB估计的渐近最优性,作者在[2]中讨论了正态线性模型回归系数的EB估计问题。本文讨论回归系数与误差方差联立EB估计及有关性质。考虑设计矩阵区为列满秩的线性回归模型     

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。     

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.     

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.     

强混合样本下单参数指数族参数的平均化经验贝叶斯估计

本文在强混合样本下,利用平均化的思想,研究了一类单参数指数族参数的经验贝叶斯估计,在一定假设条件下得到了该经验贝叶斯估计收敛速度.推广了之前文献的结果,同时,在β混合样本下对该经验贝叶斯估计的风险与贝叶斯估计的风险之间的差值进行了数值模拟.     

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。     

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.     

多维指数族分布的参数线性容许估计的一个充分条件

本利用唯一的Bayes估计是容许估计的原理,构造了一个先验分布。     

线性模型回归系数EB估计的一致收敛速度

利用多元密度函数及其导数的核估计方法，建立了多元线性模型回归系数的经验Ｂａｙｅｓ估计，并给出了这种估计的一致收敛速度。     

连续型多参数指数族参数的经验Bayes估计的收敛速度

<正> §1.引言 关于单参数经验Bayes(EB)估计问题在文献中已讨论比较多了,但多参数的EB估计问题涉及较少.最近陶波在[1]中讨论了正态分布N(μ,σ~2)之参数θ=(μ,σ~2)的EB估计的渐近最优(a.o.)性.关于单参数指数族的EB估计问题,R.S.Singh,P.E.Lin及陈希孺在[2]、[3]和[4]中分别作了研究.本人最近在[5]中讨论了连续型多参数     

定数截尾试验下双参数指数分布刻度参数的EB估计

对于定理截尾试验下双参数指数分布刻度参数的经验Bayes估计问题,用间接EB方法得到其EB估计,计算机模拟例子表明本文所给了估计较好。     

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。