单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.     

非平衡随机效应模型中方差分量的经验Bayes估计

对非平衡单向分类随机效应模型中方差分量找到了其最小充分统计量,在加权平方损失下导出了其Bayes估计,利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,并导出了其收敛速度.文末用例子说明了符合定理条件的先验分布是存在的.     

随机效应模型中方差分量的经验Bayes检验问题

给出了双向分类随机效应模型中方差分量的Bayes检验的判决函数,利用核估计的方法,构造了相应的经验Bayes(EB)检验的判决函数．在适当的条件下证明了EB判决函数是渐近最优的且有收敛速度．给出了模型的特例和推广．最后,举出一个满足定理条件的例子．     

非平衡随机效应模型中方差分量的经验Bayes检验

本文研究了非平衡随机效应模型中方差分量的经验Bayes 检验问题. 利用多元密度函数核估计方法构造了参数的经验Bayes(EB)判决函数,证明了该判决函数的渐近最优性,得到了其收敛速度,并给出了一个满足本文结论条件的先验分布.     

随机效应模型中方差分量的非负二次型估计

设Y_1,Y_2是相互独立的随机变量,Y_1/(ασ+τ)～X~2(n_1),Y_2/τ～x~2(n_2),其中σ>0,τ>0是未知方差分量,α>0,正整数n_1,n_2是已知常数。本文从风险函数及偏差角度研究了σ的无偏估计Y_1/(αn_1)—Y_2/(αn_2)的改进,并指出用非负二次估计PY_1代替σ的无偏估计较合适,其中最后把上述结果用于一种方式分组及二级套分类随机效应模型。     

非线性模型中方差和协方差分量的Bayes估计

本文采用Bayes方法从有逆gamma先验信息出发,得到了非张性模型中方差和协方差分量的估计,本文中的方差和协方差分量包含相关系数,而其他学者提出的线性模型中方差和协方差分量的Bayes估计只是本文的特殊情况.     

线性指数分布参数的渐近最优的经验Bayes估计

本文研究了线性指数分布参数的渐近最优的经验Bayes估计问题.利用概率密度函数的核估计,构造了参数的经验Bayes(EB)估计,获得了所提出的EB估计是渐近最优的.     

线性混合模型中方差分量的ANOVA估计的改进

讨论了在含三个方差分量的线性混合模型中,在均方误差意义下,方差分量的方差分析估计的改进,并把这一结果推广到一般的线性混合模型上,得到一个改进方差分析估计的简单方法.     

多元线性回归模型参数的渐近最优的经验Bayes估计

Empirical Bayes estimation of the parameter vector θ=(β^1,σ^2)‘ in a multiple linear regression model Y=Xβ ε is considered, where β is the vector of regreasion coeffcient, ε-N(0,σ^2I) with σ^2 unknown. In this paper, we construct the EB estimators of θ by using the kernel estimation of multivariate density function and its partial derivatives, Uuder some momeut couditions on prior distribution we obtain their asymptotic optimality.     

平衡随机模型中方差分量的非负估计

众所周知, 对于平衡随机模型, 方差分量的方差分析估计为一致最小方差无偏估计. 本文基于方差分量的方差分析估计, 构造了一个二次不变估计类, 它包含了一些常用重要估计. 证明了该估计类在一定条件下在均方误差意义下一致优于方差分析估计, 并在此估计类基础上, 给出了方差分量的两种非负估计, 它们在均方误差意义下分别一致优于方差分析估计和限制极大似然估计, 且有显式解、容易计算.     

���ЧӦģ���з��������Bayes���Ƽ���������

??The Bayes estimators of variance components are derived underweighted square loss function for the balanced one-way classification random effectsmodel with the assumption that variance component has the conjugate prior distribution.The superiorities of the Bayes estimators for variance components to traditional ANOVAestimators are studied in terms of the mean square error (MSE) criterion. Finally, aremark for main results is given.     

正态分布参数的渐近最优与可容许的经验Bayes估计

Under square loss,this paper constructs the empirical Bayes(EB) estimation for the parameter of normal distribution which has both asymptotic optimality and admissibility. Moreover,the convergence rate of the EB estimation obtained is proved to be O(n~(-1)).     

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 .)     

渐近最优的经验贝叶斯决策

本文获得了刻度指数族变量带误差情形下的贝叶斯决策,且利用解卷积的核方法构造出了经验贝叶斯决策.在适当的条件下,证明了经验贝叶斯决策的渐近最优性.     

һ��Coxģ�Ͳ����ľ���Bayes��˫�����

In this paper, the empirical Bayes (EB) two-sided test for parameter of Cox models is investigated under square loss functions. At first by using recursive kernel estimation of probability function the empirical Bayes two-sided test rule is constructed. It proves that the proposed empirical Bayes test rule is asymptotic optimal and convergence rates are obtained under suitable conditions. Finally an example of satisfying theorem conditions is given.     

随机删失下经验贝叶斯估计的渐近最优性

该文运用经验贝叶斯(empirical Bayes(简称EB))方法,在历史样本和当前样本均被另一个具有未知分布的变量随机右删失的条件下,构造了一个指数分布参数的经验贝叶斯估计并获得了它的渐近最优性．文章最后给出了一个例子和模拟结果．     

Convergence Rate of Empirical Bayes for Two-parameter Exponential Distribution with Replicated Data

In this paper, empirical Bayes test for a parameter θ of two-parameter exponential distribution is investigated with replicated past data. Under some conditions, the asymptotically optimal property is obtained. It is indicated that the rate of convergence can be very close to O（N-2^-1） in this case that a parameter μ is known.     

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.     

基于纵向数据下连续型单参数指数族参数的经验贝叶斯检验(英文)

本文讨论了在纵向数据下,运用非参数估计方法构造了连续型单参数指数族参数的经验贝叶斯检验函数,证明了所提出的经验贝叶斯检验函数的渐近最优性,并获得了它的收敛速度.