Pitman准则下参数估计的比较

本文利用尾部概率的估计导出了Ｐｉｔｍａｎ准则下一个估计优于另一估计的充分条件，并把它应用于正态总体方差估计的比较。

中位数无偏和Pitman准则

利用Pitman准则考虑了随机变量的预测问题。在平方损失及Linex损失下证明了MU预测量是某一给定的预测量集合中的Pitman closest预测量。

Pitman准则的若干新发展

Pitman准则是比较两个估计优劣的一种标准。本文综述了在这一方向上近年来若干方面的新结果,这包括正态总体参数估计和一般线性估计在Pitman准则下的比较,协方差改进估计的Pitman优良性,以及Bayes观点下的Pitman准则。

统一有偏估计的Pitman优良性

估计量的优良性是回归模型中的重要内容.本文讨论了在Pitman准则下,岭估计与Stein压缩估计的优良性,得到了岭估计优于Stein压缩估计的一个充分条件.

Pitman准则下对数正态分布参数估计比较

Pitman准则是比较两个估计量优劣的一种标准,本文在Pitman准则下讨论了对数正态分布的参数估计问题。

Pitman准则下指数分布的参数估计

本文讨论了Ｐｉｔｍａｎ准则下指数分布的参数估计问题，证明了尺度参数与位置参数的最接近仿射同变估计是ＰＣ－不容许的，并分别给出了各自的改进估计．

两步Stein估计及其在Pitman准则下的相对优良性

在参数估计问题中,通常会遇到这样一类估计,在它们的表达式中含有未知参数,于是在实际应用中将该未知参数用其某一估计代替从而产生了两步估计,但是该两步估计在原来所依据的准则下一般不再具有优良性质;而本文目的是从保护的角度,试图在其它准则下解释两步估计的优良性.我们以两步Stein估计为例,给出了它在Pitman准则下仍具有优良性的结果.

Pitman渐近相对效率的简单求法

在一定条件下,文章得到了检验中Pitman渐近相对效率等于估计中相对渐近效的结论,这样就将检验与估计优劣的评价标准建立了联系,使得计算简单、实用。

Pitman准则下正态总体方差估计的比较

本文给出了正态总体方差的一类估计c·W2,讨论了估计量的性质,将估计类在Pitman准则下进行了比较.

Pitman准则下指数分布刻度参数幂的定数截尾估计

在Pitman准则下，得到指数分布刻度参数K（K≠0）次幂的定数截尾的最优估计．

Pitman准则下带有半序约束的最大似然估计的优良性

利用正态总体的性质,证明了当二维正态总体的均值满足一个或两个线性不等式约束时,其线性函数的最大似然估计在Pitman准则意义下优于无约束时线性函数的最大似然估计.

增长曲线模型中回归系数阵混合估计的Pitman优良性

在Pitman准则下比较了增长曲线模型中回归系数阵的最小二乘估计与混合估计的优劣,给出了混合估计在Pitman准则下优于最小二乘估计的条件.

Pitman准则下指数分布尺度参数的估计

本文在Pitman准则下讨论了指数分布的参数估计问题,证明了尺度参数的最接近仿射同变估计是PC—不容许的,并给出了优于它的估计。

Pitman效率

检验H:μ_0=μ_0对K:_μ>_μο,考虑两个检验序列势函数为;当时pitman效率存在且为C_1~2/C_2~2;若X_1,…,X_n取自正态母体N(μ,σ~2)其中,σ≠0且有限,对于单边t-检验的pitman效率为4σ~2f^2(0)。

基于神经网络的在线英文Pitman速记发声字的识别

介绍了一种对英文Pitman速记发声字进行在线分割识别的新方法.该方法在预处理速记手写体的基础上,采用BP神经网络对发声字分割中可能出现的过分割进行检测和纠正,对音素记号/非音素记号和单个音素记号进行分类和识别,并实现了基于单个笔划识别结果的整体单词识别.通过对68个常用英文单词的测试,验证了该方法的平均识别正确率达到89.6%.

一种基于Pitman-Yor过程模型的不平衡文本数据集聚类算法

在现实生活中,文本数据集的结构常常体现不平衡性,不同类别的文本数量存在较大差异,既包含极大的多样本类,也包含极小的多少样本类。传统的文本聚类方法,对于极大类存在分配偏见,使得极大类更容易吸引新的文本数据的加入。因此,如何找到这种不平衡文本数据集的文本结构,是文本聚类分析的一个需要被切实解决的难点问题。针对这一问题,论文创新地提出了一个基于Pitman-Yor过程模型的文本聚类算法,命名为参数自适应PYP(Discount Adaptation Pitman-Yor process,DAPYP)模型。该模型在文本聚类的过程中,依据各样本类别的文本数量,自动调整PYP(Pitman-Yor Process)的折扣参数。实现了从不平衡数据集中识别出极小类和极大类。通过在人工数据集和真实文本数据集上进行的实验,表明该文提出的模型可以有效地解决真实文本数据集聚类分析中的数据不平衡问题。

浅谈对Pitman准则的认识

Pitman准则是估计理论中仅有的几个比较两个估计优劣的标准之一 ,本文着重从Pitman准则的局限性、合理性及可发展性这三个方面浅谈了对Pitman准则的看法及认识 ,并在文 [1]的基础上给出了判断估计子 ^

Pitman准则下误差方差预检验估计的表现

本文研究Pitman准则下误定回归模型中误差方差广义预检验估计的性质.在获得Pitman准则概率精确表达式的基础上,对估计的优良性质及优良性关于模型误定的影响进行分析.最后,分别利用数值计算和模拟实例论证了我们所得结果.

协方差改进法在Pitman准则下的优良性

Pitman准则由于其本身的合理性及其在损失函数选择上的稳健性,已成为众多统计学家评价估计优劣的标准.文章总结了协方差改进法在Pitman准则下的优良性.

协方差改进估计的Pitman优良性

设θ为p×1参数向量,T_1和T_2分别为p×1和q×1统计量,ET_1=0,ET_2=0,它们的协方差矩阵为这里σ~2未知,∑>O(即∑为正定阵).众所周知,当∑_(12)≠0时,T_1不是θ的一致最小方差无偏估计.Rao提出了θ的更好估计θ~*=T_1-∑_(12)∑_(22)^(-1)T_2,称为协方差改进估计.这里所谓“更好”是指:covθ~*=∑ _(11)-∑_(12)∑_(22)^(-1)∑_(21)≤∑_(11)=covT_1,其中A≤B表示B-A≥0.于是,θ~*在均方误差意义下改进了T_1.关于这一方面的进一步结果见文献[2,3].