l n
( 9 )
6Ⅲ J _一 l n E ( e I x )盟 =
l n e l十 D
, c≠o
e
证明设参数 0的共轭先验分布为伽玛分布 r, p ),即 相应的概率密度函数为: ; 0【, o a - l e - ̄ a, 0> 0, d, 0 ( 1 o )
注 2当超参数 0【已知时,定理 1中的 B a y e s估计依赖于超参数 B的选取,且当超参数 p未知时,我们可借用经验 B a y e s估计方法进行估计 _由( 3 )和( 1 0 )我们得到 x的边缘概率 密度函数:
再由( 3 )及B a y e s定理,参数 0的后验概率密度函数为: h ( 0 1 x ) o c l ( O I x )‘盯 ( O; 0【, B ) O C 0 n e 0 e - ̄o c 0 ” 。 e 枷 ( 1 1 )
m ( x; b )=』 f【】 (; 0 )耵 (, D ) d 0 =
于是参数 0的后验分布为 F ( n+ c t, 1 3+ t ) . 则( i )在平方误差损失函数下,参数 0的 B a y e s估计为其后验均值,故参数 0的 B a y e s估计:
x - 2
e 0
( 1 2 )
:
r ( )( p+ T+ c ) i:
0 s s= E ( 0 1 X )=器 ( i i ) I ̄ t ( 1 1 )有 E x )= 一
基于( 1 2 ),我们可以得到参数 B的最大似然估计: B= T 现在我们将替换 B a y e s估计中的参数 p,便得到参数 0 e删 0
的经验 B a y e s估计分别为:
(垦± ± . ( ± ) F ( n+ o t ) ( B+ T+ c ) l l - I ̄t
6璐=}和 6旦 1 n[ 1 n d c I, c≠ o 3实际应用例子和结论
—
f!±旦 1
一\ T+B+ c J
利用 Ma t l a b软件,通过 Mo n t e C a r l o数值模拟生成一 组样本容量为 2 0的服从参数 0= 2 . 0的逆指数分布( 1 )的简单随机样本样本,具体样本值见表 1 . 表 1数值模拟数据
于
是在 L I N E X损失函数下,参数 0的 B a y e s估计为:
计算T=∑, x L _ 1 0 . 2 4 4 3得到参数0的最大似然估计 i= 1
的B a y e s和经验 B a y e s估计值,见表 2 . 由表 2和大量的数值模拟试验我们得到如下结论:
值为: 6 1 . 9 5 2 3; O的最小方差无偏估计6 1 F 1 . 8 5 4 7 .参数。
( i )参数的 B a y e s和经验 B a y e s估计值在样本量 n较小
表 2参数的 B a y e s和经验 B a y e s估计值
的情况下受超参数的影响较大,但随样本容量的增加超参数对参数估计值的影响逐渐变小,并且本文得出的经验 B a y e s 估计 6 恰好等于最大似然估计6 ( i i ) L I N E X损失函数下的 B a y e s和经验 B a y e s估计会受
d a aⅡ t J . C o m p u t a i t o n a l S a t t i s t i c s a n d Da t a A n l a y s i s U】 2 01 0, 5 4: 1 54 7—1 55 8.
[ 4]王亮,师义民.逐步增加 I I型截尾下比率危险率模型的可
靠性分析Ⅱ】 .数理统计与管理, 2 0 1 1, 3 0 ( 2 ): 3 1 5— 3 2 1 . [ 5] Ya r mo h a m ma d i M .,P a z i r a H.Mi n i ma x e s t i ma t i o n o f
到损失函数自身的形状参数 c的影响. 参考文献:
t h e p a r a me t e r o f t h e B u r r T y p e Xl I d i s t r i b u i t o nⅡ】 . A u s t r a l i a n J o u mM o f B a s i c a n d A p p l i e d S c i e n c e s, 2 0 1 0, 4
[ 1] A b u s h l a T A.E s i t ma t i o n o f t h e u n k n o w n p a r a me t e r s f or t he c o m pou nd 1 La y l e i g h di s t ibu r io t n b a s e d o n pr o—
( 1 2 ): 6 6 1 1— 6 6 2 2 .
[ 6 ) Ya n W. A., S h i Y. M., a n d S o n g B . W. e t c . S t a i t s i t c a l a n l a— y s i s o f g e
n e r l a i z e d e x p o n e n i t l a d i s t i r b u i t o n u n d e r p r o g r e s -
g r e s s i v e i f s r t— f a i l u r e— c e n s o r e d s a mp l i n g U】 .Op e n J o u r n l a of S t a t i s t i c s, 2 01 1, 1: 1 61—1 71 .
s i v e c e n s o i r n g wi t l 1 b i n o mi l a r e m o v l a s ̄] J o u ma l o f S y s t e m s E n g i n e e i r n g a n d E l e c t r o n i c s . 2 0 1 1, 2 2 ( 4 ): 7 0 7— 7 1 4 .
[ 2]王炳兴. B u r r T y p e XI 1分布的统计推断Ⅱ】 .数学物理学报。 2 0 0 8, 2 8 A ( 6 ): 1 1 0 3— 1 1 0 8 .
[ 7] De y S . I n v e ̄ e d e x p o n e n i t l a d i s t r i b u i t o n s a a l i f e d i s t r i - b u i t o n mo d e l f r o m a Ba y e s i a n v i e wp o i n t .Da a t S c i e n c e
[ 3 ) K u n d u D., Ha t e m H.B a y e s i a n i n f e r e n c e a n d p r e i d c i t o n o f t he i n ve r s e W e i bul l d is t r i b ut io n f or Ty pe—— I I c e ns or e d
J o u na r l, 2 0 0 7, 2 9 ( 6 ): 1 0 7— 1 1 3 .
—
d—

逆高斯分布的参数经验Bayes估计_专业资料。本文在当参数μ已知时,在平方损失下给出了参数的Bayes估计,进一步利用核密度估计方法构造了参数θ的经验Bayes估计函数,并在...
NA样本情形连续型线性指数分布参数的经验Bayes估计_专业资料。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...
NA样本情形线性指数分布参数的经验Bayes估计_专业资料。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...
维普资讯 http://www.cqvip.com Vo.5(05 1220)NO4. 数学杂志 Jo t.P.fMah(RC) 双指数分布位置参数 的经验 Bysae 估计 问题 丁晓 ,韦来 生 ( 中国科技...
负相伴样本指数分布参数的经验Bayes检验_专业资料。讨论了负相伴样本情形指数分布中寿命参数θ的经验Bayes单侧检验问题:H0:θ≤θ0←→H1:θ〉θ0,利用概率密度函...
指数分布模型下稳态可用度的经验Bayes估计_专业资料。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...
线性指数分布参数的Bayes估计_专业资料。对给定容量为n的线性指数分布样本X1,X2,…,Xn,在Linex损失函数下,利用共轭先验分布讨论线性指数分布参数θ的Bayes估计,多层...
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.讨论了双指数...
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_专业资料。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...
22I01 非 指数 分布 数族 参数 的经 验Bae计 的收敛 速度 y s估黄金超1凌 能祥 0程伟 (. 今日推荐 50份文档 打造专属自己的淘宝旺铺...
热门文档