加权平方损失函数和MLINEX损失函数下一类分布族参数的Minimax估计

文章考虑一类分布族:F(x;θ)=1-[g(x)]θ(A≤x≤B,θ>0),其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0,在加权平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计。

加权平方损失函数下几何分布函数的可靠度Bayes估计

在加权平方损失函数下,给出了对于任何先验分布的几何分布可靠度的Bayes估计,同时在其先验分布为幂分布时研究了可靠度的Bayes估计及其容性,给出了可靠度的多层Bayes估计的计算公式。

加权平方损失函数下幂函数分布参数的Bayes估计与性质

在加权平方损失函数下,使用参数估计方法,对幂函数分布的参数λ,基于给定的一组样本X1,…,Xn,研究了参数λ的Bayes估计问题.得到了参数λ的Bayes估计的一般形式以及在给定先验分布下的精确形式,并讨论了Bayes的可容许性.

对数误差平方损失函数和MLINEX损失函数下一类分布族参数的Minimax估计

考虑如下一类分布族:F(x;θ)=1-[g(x)]θ,A≤x≤B,θ>0,其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0.在对数误差平方损失函数和MLINEX损失函数下,得到了参数的Bayes估计和Minimax估计.

加权平方损失下伽玛分布族Γ(θ,1/2)参数θ的EB估计

在加权平方损失函数下讨论了伽玛分布族T(θ,1/2)参数θ的经验Bayes(EB)估计,并讨论了EB估计的收敛速度问题,在一定条件下,收敛速度可充分接近于1.

基于贝叶斯理论的工程车辆载荷样本长度计算方法

确定载荷样本长度是载荷谱编制的一个关键步骤,直接影响着零部件疲劳寿命预测的准确性。为了找到一种有效地确定载荷样本长度的方法,该文以轮式装载机为例,结合其零部件的受载特点,假定载荷均值服从正态分布,均值的先验分布也服从正态分布,提出了用贝叶斯理论和加权平方损失函数来计算载荷样本长度的方法。该方法以加权平方损失函数的后验损失期望值取最小值为条件,得到了包含先验信息、样本信息以及总体信息的后验参数估计值;然后结合t分布得到了在满足一定置信度和误差要求时的载荷样本长度。

刻度指数族参数的渐近最优的经验Bayes估计

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估计 。

定数截尾情形下一类分布族参数的Minimax估计

文章基于定数截尾情形,在加权平方损失函数和MLINEX损失函数下,讨论了一类分布族参数的Bayes估计和Minimax估计。最后给出了数值模拟例子对极大似然估计和Minimax估计进行比较。

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.