基于样本数据,贝叶斯估计是平方损失函数下的最优的估计。但是,贝叶斯估计中仍然含有未知的结构参数。通常首先要估计这些参数,得到的贝叶斯估计称为经验贝叶斯估计。　　本文重点讨论了经验贝叶斯估计、信度估计及其在非寿险精算中的应用。本文主要研究了帕累托分布、指数族分布及多元正态分布的经验贝叶斯估计与信度估计及其性质。　　在第三章中讨论了帕累托索赔额分布中参数的估计问题。比较了风险参数的极大似然估计、贝叶斯估计和信度估计。结果表明,贝叶斯估计比其他估计较优。进而,证明了经验贝叶斯估计的渐近最优性。　　在第四章中研究了指数族分布与共轭指数族先验分布下经验贝叶斯模型。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贝叶斯估计,并证明了该经验贝叶斯估计是渐近最优的。　　在第五章中研究了多元正态非平衡模型的贝叶斯估计与经验贝叶斯估计,并得到了结构参数的无偏估计。