截断分布族中估计的渐近有效性（Ⅱ）

本文在一般截断型分布族中给出了参数函数的估计的Ｂａｈａｄｕｒ型渐近有效性的一种定义，验证了常用估计德这种渐近有效性，比较了Ｂａｈａｄｕｒ型与竹内启型渐近有效性之间的关系，系统地给出了具有Ｂａｈａｄｕｒ型但不具竹内启型渐近有效性估计的例子。     

一般截断族中半参数估计的渐近效率

本文表述了线性参数函数的估计在渐近中位无偏限制下的渐近效率的定义,研究了一般截断型分布族 f(x;θ_1,θ_2)I(θ_1≤x≤θ_2)dx,为函数 c_1θ_1+c_2θ_2构造了一类直观合理的渐近中位无偏的半参数估计,算出了它们的渐近效率,发现了一种有趣现象:效率仅与比值 c_1f(θ_2;θ_1,θ_2)/c_2f(θ_1;θ_1,θ_2)有关;并且当 c_1c_2≥0时,这些估计是渐近有效的,而当 c_1c_2<0时,效率在1与0.7412之间,极小值是0.7412.     

双边截断分布族中的卷积定理与渐近有效性

在具有共同支撑的分布族与单边截断分布族中,Ｂｉｃｋｌｅ Ｐ．Ｊ, Ｉｂｒａｇｉｍｏｖ　Ｉ． Ａ． 与 Ｈａｓｍｉｎｓｋｉｉ Ｒ． Ｚ．证明了两个重要的卷积定理．在本文中,我们考虑如下的双边截断分布族：ｄＰθ（ｘ）＝ ｆ（ｘ; θ１, θ２）Ｉ（θ１≤ｘ≤ θ２）ｄｘ,其中θ＝（θ１, θ２）, θ１＜ θ２为未知 待估参数．在较弱的条件下,我们得到了关于此分布族的卷积定理．并且,基于此卷 积定理的结论,提出了一个参数函数渐近有效性的定义．在本文结束之时,对于一个 双边截断分布族,给出了具有此渐近有效性的参数函数的估计．     

双边截断型分布族参数函数的渐近最优经验Bayes估计

本文考虑一维双边截断型分布族参数函数在平方损失下的经验 Bayes估计问题 .给定θ,X的条件分布为f (x|θ) =ω(θ1,θ2 ) h(x) I[θ1,θ2 ] (x) dx其中θ =(θ1,θ2 )T(x) =(t1(x) ,t2 (x) ) =(min(x1,… ,xm) ,max(x1,… ,xm) )是充分统计量 ,其边缘密度为 f (t) ,本文通过 f (t)的核估计构造出θ的函数的经验 Bayes估计 ,并证明在一定的条件下是渐近最优的 (a.0 .)     

截断型分布族参数的估计之损失的可容许估计

估计损失方法已经有很多文章论述,近期有[1]、[2]、[3]等。在传统的判决理论中,通常的做法是,在损失函数L(θ,d)下,基于样本选择判决函数δ(X),用风险函数R(θ,δ(x))=E_θL(θ,δ(X))作为衡量δ(X)的性能的量度或精度。估计损失方法认为(参见[1]),如果L(θ,δ(X))可获得,则精度的理想的量度应是L(θ,δ(X))本身,并利用样本给出这个实际损失的估计L_δ(X)。在估计损失L(θ,δ(X))时,采用的损失函数     

Weibull分布族中参数的渐近有效估计

本文构造了Ｗｅｉｂｕｌｌ分布族（ｍｘ＾ｍ－１／θｅ＾－ｘｍ／θ，ｘ＞０，ｍ＞０，θ＞０）中形状参数，刻度参数θ的渐近中位无偏限制下的渐近有效估计ｍｎ，θｎ，同时不证明了Ｃ１θｎ＋Ｃ２Ｍｎ为Ｃ１θ＋Ｃ２ｍ的渐近有效估计（其中Ｃ１，Ｃ２为任意给定的常数。）     

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。     

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。     

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。     

重截断和的渐近分布

设{X_n,n≥1}是i.i.d.随机变量序列,X_n,1≤…≤X_(n,n)是X_1,…,X_n的次序统计量。又设k_(n,1,) k_(n,2)是满足条件1≤k_(n,1)相似文献   

双边截断型分布族参数的经验Bayes估计

在Linex损失函数下,讨论一类双边截断型分布族参数的经验Bayes（EB）估计问题,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,最后给出例子,说明定理条件的合理性。     

截断参数分布族参数的可容许估计

在平方损失下Karlin[1]讨论了截断参数分布族参数的可容许估计问题．本文讨论了当待估参数为单调函数和多项式函数时的可容许估计问题.文[1]讨论的待估参数，形式上较特殊，有关结果可视为本文结论的一个特例．     

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 ．     

一类单边截断型分布族参数的经验Bayes检验

讨论一类单边截断型分布族位置参数的经验Ｂａｙｅｓ检验问题，文中构造了经验Ｂａｙｅｓ判决函数，证明了它具有渐近最优的性质，并且获得了收敛速度。     

在单参数双边截断型分布族中参数估计的一种新的渐近效率

为了克服在单参数双边截断型分布族中不能消除参数估计中在Ｂａｈａｒｄｕｒ意义下的超有效病态现象,本文提出了一种新的渐近效率．根据这种效率的定义,对一般 的参数函数,构造了适用的渐近中位无偏的渐近有效估计量．作为全文的理论基础,我们发现了渐近中位无偏估计的最优收敛速度．     

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.     

Linex损失下单边截断型分布族参数的EB估计

本文在Linex损失函数下,讨论单边截断型分布族参数的经验Bayes(EB)估计,并建立了它的收敛速度,并说明了在较强的条件下,收敛速度可充分接的于1。     

截断和随机乘积的渐近性质

对一列独立同分布平方可积的随机变量序列{Xn,n≥1},当随机变量的分布具有中尾分布时,讨论了其截断和Tn(a)的随机乘积的渐近正态性质,其中Tn(a)=Sn-Sn(a),n=1,2,…,Sn(a)=n∑ j=1 XjI{Mn-a＜Xj≤Mn},a为某一大于零的常数'Mn=max 1≤k≤n{Xk}.     

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。     

单边截断分布族参数的经验Bayes检验：NA样本情形

本文运用同分布NA样本密度函数的核估计,构造一类单边截断型分布族参数的经验Bayes检验,讨论它的渐近最优性,建立其收敛速度,在适当的条件下,证明了该收敛速度可以任意接近于1,最后给出适合定理条件的一个例子。