几类分布的参数估计的损失函数和风险函数的Bayes推断

来源 :中南大学 | 被引量 : 0次 | 上传用户:sangyilin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文对几类分布的参数估计的损失函数和风险函数的Bayes推断进行了研究。文章考虑二项分布中未知参数估计的损失函数和风险函数的Bayes推断,还考虑了在共轭先验分布下均匀分布参数估计的损失函数Bayes估计,并在保守估计的要求下研究了估计的性质。对如下一类分布族: F(t)=[g(t)]<θ>,A≤t≤B,θ>0其中g(t)是关于t单调递增的可微函数,且g(A)=0,g(B)=1.文[35]在共轭先验分布下研究了未知参数η=1/θ吉的估计的损失函数和风险函数的Bayes估计及其保守性质,并给出相应的Bayes估计的合理性.文[36]研究了此类分布函数族生存函数和风险函数未知参数的经验Bayes估计。当未知参数η具有一个上限,而上限η<,0>又有自己的先验分布,在这种多层先验的前提下,本文讨论了η=1/θ的估计的损失函数和风险函数的Bayes估计及其保守性质。
其他文献
车辆识别被广泛应用于车辆周边环境感知技术和汽车辅助驾驶系统中,车辆识别技术是智能交通系统(Intelligent Transportation System—ITS)和智能车辆技术研究领域中的重要组成
本文研究粗糙集代数与非经典逻辑代数的关系,将粗糙集理论应用于MV-代数和R-代数,讨论其滤子的粗糙性并研究同态映射之下滤子的性质.主要取得了如下的研究结果: 1.从粗糙集的
Mobius群有近一百年的历史。它一直是数学中的一个主流分支,倍受很多数学家的关注。比如,H. Poincare, Klein, L.V. Alfors, W.P. Thuston, F.W.Gehring, G..J. Martin, P.Tukia,
非线性Lagrange函数是经典的Lagrange函数的修正形式,它关于乘子向量或约束函数是非线性函数,基于非线性Lagrange函数建立的求解优化问题的对偶方法即为非线性Lagrange方法.由