p,q-对称熵损失函数下指数分布的参数估计

用参数估计方法,研究指数分布的刻度参数在p,q-对称熵损失函数下的最小风险同变估计(MRE)、Bayes估计和M inimax估计,并讨论了具有[cT+d]-1形式的估计量当0≤c<c*,d>0;c=c*,d>0时是可容许的,当c<0或d<0;0<c≠c*且d=0;c>c*且d>0时是不可容许的.

q-对称熵损失函数下Gamma分布的尺度参数的估计

本文在对称熵损失函数的基础上定义了q-对称熵损失函数,并用参数估计的方法研究了在q-对称熵损失函数下Gamma分布的尺度参数的最小风险同变估计(MRE)、贝叶斯(Bayes)估计、最小最大(Mininax)估计等。我们还对这些估计量的可容许性和不可容许性进行了讨论,最后分别对指数分布和Gamma分布在两种损失函数下的估计结果进行了数值比较。

Q-对称熵损失函数下几何分布参数估计

在Q-对称熵损失函数下,讨论Poisson分布、二项分布和几何分布参数的Bayes估计,给出了更具一般性的结果。并且讨论该结果的可容许性和不可容许性。

Q-对称熵损失函数下的Poisson分布参数倒数的估计

研究在Q-对称熵损失函数下,Poisson分布参数倒数的估计,得出在Q-对称熵损失下,形式的一类估计的可容许性和不可容许性,并给出可容许估计的充要条件.

Q-对称熵损失函数下的Poisson分布及二项分布的参数估计

在Q-对称熵损失函数下,讨论Poisson分布、二项分布和几何分布参数的Bayes估计,给出了更具一般性的结果。并且讨论该结果的可容许性和不可容许性。

Q-对称熵损失函数下Burr分布参数的估计

在参数α已知、双参数Burr分布参数的先验分布为其共轭先验分布Γ(a,b)分布时,给出了Burr分布参数在Q-对称熵损失函数下的Bayes估计和多层Bayes估计。

P,Q-对称熵损失函数下Pareto分布参数的Bayes估计

在P,Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计.当先验分布为伽玛分布时,给出估计的精确形式.最后证明了其容许性.

Q-对称熵损失函数下的双二项分布参数倒数的估计

研究在Q-对称熵损失函数下,双二项分布参数倒数的估计,并对估计量c[n∏k=1(T+d-k)]-(1/2q)的可容性和不可容许性的条件进行讨论.

P,Q对称熵损失函数下的二项分布的参数估计

在P,Q对称损失函数下,讨论二项分布参数θ的Bayes估计及其容许性,并给出了多层Bayes估计具体形式和Bayes置信下限.

Q-对称熵损失函数下Pareto分布参数的Bayes估计

在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计.

Pareto分布参数的Bayes估计

文章主要研究了Pareto分布的参数估计。在平方损失函数下给出了Pareto分布参数的Bayes估计,并且证明了这一估计是可容许的。在Q-对称熵损失函数下,讨论了Pareto分布参数的Bayes估计。

巴斯卡分布可靠度的估计

文章在P,Q对称损失函数下,讨论巴斯卡分布参数θ的Bayes估计及其容许性,并给出了多层Bayes估计及E-Bayes估计的具体形式和Bayes置信下限。

移动极值排序集抽样下Pareto分布形状参数的Bayes估计

文章在移动极值排续集抽样下,针对共轭先验以及Jeffreys先验,基于平方损失、Q-对称熵损失以及Linex损失,获得了Pareto分布形状参数的Bayes估计。利用Monte Carlo法,计算出估计的偏差、真实值和对应估计值之间的均方根以及估计的效率,并把他们与在简单随机抽样下获得的相应值进行比较,模拟结果表明在移动极值排序集抽样下获得的估计结果更准确。

排序集抽样下Pareto分布形状参数的Bayes估计

文章在排续集抽样下,针对共轭先验以及Jeffreys先验,基于平方损失、Q-对称熵损失以及Linex损失获得了Pareto分布形状参数的Bayes估计。利用Monte Carlo法,计算出估计的偏差以及均方误差,并与在简单随机抽样下获得的相应值进行比较,模拟结果表明在排续集抽样下获得的估计更有效。通过Monte Carlo模拟证明,在相同条件下,基于共轭先验分布得到的估计比基于Jeffreys先验得到的估计更有效。

基于Q对称熵的一类分布族参数Bayes估计

阐述Q-对称熵定义损失函数及分布族的定义定理以及性质,对原问题的探究加深对此类问题的认识,提高对在Q-对称熵损失函数和Bayes估计的了解,从而取得思维创新的成效。