连续型单参指数族参数的经验Bayes检验问题:NA样本情形

本文对连续型单参指数族单边和双边假设检验问题导出了Bayes检验函数 ,利用同分布NA样本构造了经验Bayes(EB)检验函数 ,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度 。

伽玛分布族参数的经验Bayes双边检验的收敛速度:NA样本情形

本文研究了NA样本情形下,伽玛分布族形状参数的经验Bayes(EB)双边检验问题.利用概率密度函数的核估计,构造了参数的经验Bayes检验函数,并在适当的条件下,证明了所提出的经验Bayes检验函数的渐近取优(a.o.)性,获得了其收敛速度.

连续型单参数指数族参数的经验Bayes估计问题:NA样本情形

对连续型单参数指数族在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当条件下获得了EB估计的收敛速度.文末给出一个满足定理条件的例子.

Rayleigh分布参数的经验Bayes检验:NA样本情形

目的研究负相依样本情形下Rayleigh分布参数的经验Bayes检验问题。方法利用概率密度函数核估计方法获得密度函数及其导数的非参数估计。结果获得了经验Bayes检验函数,证明了检验函数的渐近最优性,得到其收敛速度。结论利用单调经验Bayes方法证明该检验函数可以达到最优。

NA样本情形线性指数分布参数的经验Bayes估计

利用同分布负相协(NA)样本构造密度函数及其导数的核估计,得到线性指数分布参数的经验Bayes(EB)估计,并给出EB估计在适当条件下的收敛速度.

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.

NA样本情形连续型线性指数分布参数的经验Bayes估计

对连续型线性指数分布在平方损失下导出了参数的Bayes估计,利用同分布负相协(NA)样本构造了经验Bayes(EB)估计量,并在适当的条件下获得(EB)估计的速度.

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))).

双指数分布位置参数的经验Bayes检验问题:NA样本情形

讨论了双指数分布位置参数的经验Bayes(EB)检验问题,利用同分布NA样本构造了EB检验函数,在适当条件下证明了EB检验函数的渐近最优性并获得了其收敛速度.

NA样本下一类指数分布族的经验贝叶斯检验

目的讨论负相依样本下一类特殊指数分布族的经验贝叶斯单边检验问题。方法利用概率密度的变窗核估计方法。结果得到了经验贝叶斯检验函数,在适当的条件下获得其收敛速度,并给出了一个满足定理条件的例子。结论该检验函数是渐近最优的。

刻度指数族参数的经验Bayes检验函数收敛速度的改进

在加权线性损失下导出了刻度指数族中参数单调的Bayes检验函数,利用同分布负相协(NA)样本情形概率密度函数及其导数的核估计构造了经验Bayes(EB)检验函数,获得了EB检验函数的收敛速度.在适当的条件下,这一收敛速度可任意接近O(n^(-1)),改进了文献中已有的结果.对同分布正相协(PA)样本和独立同分布(iid)样本情形,亦可获得类似结论.最后给出了一个满足文中主要结果的例子.

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.

NA样本下双边截断型分布族参数的EB估计

目的在NA样本下研究双边截断型分布族参数的经验Bayes(EB)估计。方法对密度函数采用核估计的方法构造了参数的EB估计。结果在加权平方损失函数下,获得了该估计的收敛速度。结论在适当的条件下,NA样本双边截断型分布族参数的EB估计的收敛速度任意接近O(n-1/2)。

NA样本下Weibull分布族参数的经验贝叶斯估计

在NA样本下研究W eibull分布参数的经验Bayes估计.利用核估计方法构造了参数的经验Bayes估计,在平方损失下获得了该估计的收敛速度,并证明了收敛速度的阶可以任意接近于1/2.最后给出例子,说明了定理条件的合理性.

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.

NA样本下Pareto分布参数的经验Bayes估计

讨论了Pareto分布在平方损失下参数的Bayes估计,采用同分布负相协样本的核估计方法讨论了参数的经验Bayes(EB)估计问题,并计算了给定条件下参数的经验Bayes估计的收敛速度。最后,对我国高收入阶层的财富分布情况进行了实证分析,实证分析表明我国高收入阶层的财富分布是可以用Pareto分布来描述的。

污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）

本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.

正相关样本下双指数分布位置参数的经验贝叶斯估计

在平方损失下,基于同分布PA样本对双指数分布位置参数θ的经验Bayes估计进行研究,构造经验Bayes(EB)估计量,获得渐近最优性,证明收敛速度的阶为O(n^(-(rs-2)/2(s+2))),其中s>1,s∈N,1/2<r<1-1/(2s),rs>2,最后给出双指数分布族EB估计例子.