Empirical Bayes Test for Two-parameter Exponential Distribution under Type-Ⅱ Censored Samples

The empirical Bayes test problem is considered for scale parameter of twoparameter exponential distribution under type-II censored data.By using wavelets estimation method,the EB test function is constructed,of which the asymptotic optimality and convergence rates are obtained.Finally,an example concerning the main result is given.

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计,利用非参数方法构造了位置参数的经验Bayes(EB)估计.在适当的条件下,获得了EB估计的收敛速度.最后,给出了一个例子说明适合定理条件的先验分布是存在的.

非指数分布数族参数的经验Bayes估计的收敛速度

在"平方损失"下,研究了非指数分布族参数θ的经验Bayes估计,首先利用概率密度函数的核估计,构造了位置参数的经验Bayes(EB)估计量,在适当的条件下获得了它的收敛速度.

Linex损失下指数-泊松分布的经验Bayes估计的收敛速度

在Linex损失下研究了指数-泊松分布的经验Bayes(EB)估计问题,并采用核估计的方法,在适当的条件下,获得了EB估计的收敛速度.

负相伴样本情形下线性指数分布参数的渐近最优的经验Bayes估计

在平方损失下导出了线性指数分布参数的Bayes估计,利用负相伴样本密度函数核估计的方法构造了参数的经验Bayes(EB)估计.在适当的条件下证明了所提出的EB估计是渐近最优的.并给出一个满足定理条件的例子.

负相伴样本情形下线性指数分布参数的经验Bayes估计(英文)

本文在同分布负相伴样本情形下利用密度函数的核估计构造了线性指数分布参数的经验Bayes(EB)估计,并在适当的条件下获得了它的收敛速度.最后,给出了一个有关本文主要结果的例子.

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.

熵损失下一类广义指数分布刻度参数的经验Bayes估计（英文）

本文在熵损失函数下获得一类广义指数分布刻度参数的贝叶斯估计,并构造了相应的经验贝叶斯估计.在适当的条件下证明所提出的经验贝叶斯估计的渐近最优性并获得了其收敛速度.最后,给出一个有关本文主要结果的例子.

威布尔分布族刻度参数的经验Bayes检验函数的收敛速度

本文研究了在"加权线性损失"下,威布尔分布族刻度参数经验Bayes(EB)检验问题利用概率密度函数的递归核估计,构造了刻度参数的经验Bayes检验函数,并获得了它的收敛速度,在适当的条件下,收敛速度的阶可任意接近O(n^(-1)),推广了文献的结果.最后给出一个有关本文主要结果的例子.

指数分布下可靠性参数的样条经验Bayes估计

基于可靠性参数的验前密度函数的样条密度估计，本文推导出指数分布失效率和可靠性函数的经验Ｂａｙｅｓ估计，并采用数学仿真将其与传统的Ｂａｙｅｓ方法，如Ｇａｍ ｍ ａ 验前分布的情况，进行了比较。仿真结果表明。

NA样本下非指数分布族参数的经验Bayes估计

在"平方损失"下,研究了基于NA样本情形下非指数分布族参数θ的经验Bayes估计.利用概率密度函数的核估计,构造了参数的经验Bayes(EB)估计量,在适当的条件下证明了获得的(EB)估计是渐近最优的且收敛速度的阶为O(n^(-(rs-2)/2(s+2))),其中s>2,s∈N,2/s<r<1.最后给出一个满足定理条件的例子.

定数截尾试验下双参数指数分布刻度参数的经验Bayes估计

文章指出了文献[1]中的错误,给出了文献[1]所考虑的双参数分布刻度参数经验Bayes估计问题的正确结果。在三种不同的试验方案下进行了刻度参数估计问题的数值模拟,模拟结果表明本文的方法确实可行且精度较高。

指数分布下定数截尾步加试验参数的二次顺序约束Bayes估计

给出了2种方法,把指数分布下k个应力水平定数截尾步加试验数据转化为对应的恒加试验数据,然后利用恒加试验的结果,给出了在应力水平Si下产品平均寿命的经验分布估计和二次Bayes估计.

两参数广义指数分布族形状参数的经验Bayes估计

利用经验Bayes方法研究了两参数广义指数分布未知形状参数的Bayes估计,并给出了数值模拟例子,说明此种方法估计的有效性。

NA样本下双指数分布位置参数的经验Bayes估计

在平方损失NA样本下获得了双指数分布参数θ的经验Bayes估计,构造了经验Bayes(EB)估计量,证明了渐近最优且收敛速度阶为O(n^(-(rs-2)/2(s+2))).

指数分布模型下稳态可用度的经验Bayes估计

对于可修单元,当失效时间、维修时间均服从指数分布时,利用非参数多项式密度估计的方法给出了单元的稳态可用度A的经验Bayes估计.并通过模拟试验考察非参数多项式密度估计的自由度与估计的精确度的关系.

反向指数分布参数的经验贝叶斯检验

在“线性损失”函数情况下,研究了一类反向指数分布参数的经验贝叶斯(EB)检验问题.基于独立同分布样本下对密度函数的递归核估计,构造了该分布的经验贝叶斯检验函数.在适当的假设下,证明了所提出的经验贝叶斯检验函数具有渐近最优性,并得到了该检验函数的收敛速度.

线性指数分布参数的经验贝叶斯估计

对线性指数分布在平方损失下获得了参数的贝叶斯估计,并构造了相应的经验贝叶斯估计,证明了所提出的经验贝叶斯估计是渐近最优的且有收敛速度O(n-q),其中q=(s-1)(λs-1)/[s(2s+1)],1/2<λ<1-1/(2s),s≥2是一给定的整数.

定数截尾试验下双参数指数分布刻度参数的EB估计(英文)

对于定数截尾试验下双参数指数分布刻度参数的经验 Bayes估计问题 ,用间接 EB方法得到其 EB估计 .计算机模拟例子表明本文所给的估计较好 .

指数族分布中参数的经验贝叶斯估计

指数族分布是一类应用广泛的分布类,包括了泊松分布、Gamma分布、Beta分布、二项分布等常见分布。在非寿险中,索赔额或索赔次数过程常常被假定服从指数族分布,由于风险的非齐次性,指数族分布中的参数θ也为随机变量,假定服从指数族共轭先验分布。此时风险参数的估计落入了Bayes框架,风险参数θ的Bayes估计被表达"信度"形式。然而,在实际运用中,由于先验分布与样本分布中仍然含有结构参数,根据样本的边际分布的似然函数估计结构参数,从而获得风险参数的经验Bayes估计,最后证明了该经验Bayes估计是渐近最优的。