均匀分布的线性近似贝叶斯估计

本文利用线性贝叶斯方法估计均匀分布R(-θ,θ)的未知参数,提出了θ的线性近似贝叶斯估计(LABE),LABE具有封闭解析解的形式且便于使用.数值模拟表明本文提出的LABE与普通的贝叶斯估计(BE)很接近,其中BE由数值积分得到,我们也使用了所谓的强力算法来获得BE.进一步,我们比较了LABE与Lindley近似.在均方误差准则下,LABE相对于经典估计量的优越性也得到证明.

偏度系数的近似线性贝叶斯估计

在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征。由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度。文章建立贝叶斯模型,对偏度系数提出近似线性贝叶斯估计,并在多条数据结构下,对先验分布的超参数提出合适的估计,得到偏度系数的经验贝叶斯估计。