Weibull分布无失效数据的Bayes分析

本文主要运用Bayes统计方法,Weibull分布无失效数据,在特殊情况尺度参数α=1时,在平方损失、LINEX损失、熵损失下,得到形状参数β的Bayes估计.

Linex损失下Weibull分布参数的Bayes估计

该文对Weibull分布参数的Bayes估计及其容许性、多层Bayes估计在Linex损失函数下进行了讨论,给出了估计式及证明了其是可容许的,最后利用数值模拟验证了所得Weibull分布在Linex损失函数下Bayes估计的稳健性和精确度.

Entropy损失函数下两参数指数威布尔分布尺度参数的Bayes估计及其性质

在Entropy损失函数下,利用构造多层先验分布的方法求出了指数威布尔分布参数的多层Bayes估计,然后根据经验Bayes估计的思想,利用密度函数的核估计方法,构造了参数的经验Bayes估计并证明了该估计的渐进最优性和可容许性,最后运用随机模拟,将其与平方损失函数下的Bayes估计以及极大似然估计(MLE)进行了比较,结果表明:Entropy损失下的Bayes估计较后两种估计好。

Q对称熵损失下Weibull分布尺度参数的Bayes估计

在Q对称熵损失函数下,对参数的先验分布选取伽玛分布,研究Weibull分布尺度参数的Bayes估计问题。利用随机模拟,验证Weibull分布在Q对称熵损失函数下参数Bayes估计的合理性,在重复模拟下比较极大似然估计和两个Bayes估计的均方误差。结果显示,参数的Bayes估计效果更为理想,最后实例表明参数估计效果与随机模拟结论一致。

Mlinex损失函数下Weibull分布的Bayes估计

基于Mlinex损失函数,在逐步增加Ⅱ型截尾样本下,讨论Weibull分布参数的Bayes估计.取逆伽玛分布为共轭先验分布,给出参数的Bayes估计,证明估计的可容许性.通过数值模拟,说明Mlinex损失函数下估计的稳健性.

不同损失函数下Lindley分布参数的Bayes估计

在熵损失函数和Q对称熵损失函数下,对参数的先验分布选取无信息先验分布和伽玛分布,研究了Lindley分布参数的Bayes估计问题,且通过随机模拟比较不同条件下参数的Bayes估计效果.结果表明:同一种损失函数下,参数的先验分布为伽玛分布时估计效果更佳;样本容量较少时,在熵损失函数下,且先验分布为伽玛分布时,Bayes估计的均方误差较小;样本容量较多时,在Q对称熵损失函数及先验分布取伽玛分布的条件下,估计效果更理想.最后,由实例表明估计效果与数值模拟相符.

熵损失函数下几何分布可靠度的Bayes估计

本文在几何分布的先验分布为幂分布时研究了其在熵损失函数下,可靠度的多层Bayes估计及其容许性,给出了可靠度的多层Bayes估计的计算公式.通过实例验证,在熵损失函数下计算出的几何分布可靠度的多层Bayes估计是稳健的,并进一步表明在熵损失函数下计算出的几何分布可靠度的多层Bayes估计值比其在平方损失函数下算出的结果精度更高.

刻度平方误差损失下伽玛分布参数的Bayes估计

文中对给定容量为n的一个伽玛分布样本,在刻度平方误差损失函数下,研究了伽玛分布参数的Bayes估计,证明了这一估计是可容许的,并给出了未知参数的Bayes区间估计.

平方损失下逆威布尔分布参数的Bayes估计

在平方损失下,讨论逆威布尔(IW)分布参数的Bayes估计,并证明所给出的参数Bayes估计是可容许的.

不同先验分布下几何分布参数的E-Bayes估计

研究几何分布可靠度的先验分布分别为β分布和幂分布时,在熵损失函数下给出了可靠度的EB估计,并结合实际数据比较了两种先验分布下估计值的精度.

熵损失下逆高斯分布参数倒数的Bayes估计

在熵损失函数下研究逆高斯分布参数倒数的Bayes估计并且讨论了多层Bayes估计并证明该参数的Bayes估计是可容许的.

熵损失函数下两参数指数威布尔分布尺度参数的Bayes估计

本文给定一截尾样本,在熵损失函数下,研究了两参数指数威布尔分布尺度参数在先验伽玛分布下的Bayes估计,并给出了该参数的Bayes区间估计。

定时截尾样本下两参数指数-威布尔分布的可靠性Bayes估计

将可靠度R和失效率λ分别看成随机变量或是关于随机变量θ的函数;首先求出了指数-威布尔分布的可靠度和失效率的极大似然估计;然后根据参数θ的后验密度求出可靠度和失效率的后验密度;进一步在Entropy损失函数下求出了可靠度和失效率的Bayes估计,并给出了可靠度和失效率的E-Bayes估计;最后进行实例模拟。结果表明:Entropy损失下的Bayes估计较极大似然估计好。

熵损失下定数Progressive删失情形Weibull分布尺度参数的估计

在熵损失下得到了尺度参数的最小风险同变估计的精确形式,并讨论了一类形如[cTα+d]-1的估计的容许性;考虑形状参数的估计方法,进一步给出了熵损失下定数渐进删失Weibull分布两参数都未知时尺度参数的估计.

熵损失函数下Poisson分布参数的Bayes估计

用类似于Bayes估计的方法,研究了在熵损失函数下Poisson分布可靠度的估计.给出了在熵损失函数下Poisson分布可靠度的Bayes估计及其可容许性,并给出了Bayes置信下限以及多层Bayes估计的表达式.

熵损失下Rayleigh分布尺度参数倒数的Bayes估计

在熵损失函数下研究Rayleigh分布的尺度参数倒数在不同先验分布下的Bayes估计并且讨论了其多层Bayes估计并证明该参数的Bayes估计是可容许的.

Mlinex损失函数下广义Pareto分布的Bayes估计

针对两参数广义Pareto分布的Bayes估计问题进行研究.运用Bayes定理,得到在Mlinex损失函数下分布参数的Bayes估计,并给出参数的Bayes置信下限及最大后验区间估计.

熵损失函数下几何分布参数的Bayes估计

研究在熵损失函数下几何分布可靠度的Bayes估计及其可容许性,并且给出Bayes置信下限以及多层Bayes估计的表达式.

贝叶斯框架下泊松分布参数的估计

在给定的泊松样本X1,X2,…,Xn下,研究了泊松分布参数λ的贝叶斯估计问题.在p,q对称损失函数L(λ,δ)=(λ/δ)p+(δ/λ)q-2(p,q∈Z+)下,得到了参数λ的贝叶斯估计的精确形式并讨论了它的可容许性,最后研究了参数λ的最大后验区间估计.

一类特殊的指数族分布的参数估计

设随机变量X有密度函数p(x) =T′(x)β exp(- T(x)β ) , a <x<b ,其中 ,β>0为未知参数 .分别在平方损失和熵损失下 ,研究了参数 β的估计问题 .特别地 ,当T(x)满足 :T(cx) =T(c)T(x) (如T(x) =xm,m >0 )时 ,导出了在变换群G ={gc:gc(x) =T(c)x}下的最优同变估计 ,并说明了它们的可容许性 .