当前位置:主页 > 科技论文 > 数学论文 >

Mlinex损失函数下基于截尾数据指数分布参数的估计

发布时间:2018-03-09 14:33

  本文选题:Bayes估计 切入点:定数截尾 出处:《吉林大学》2017年硕士论文 论文类型:学位论文


【摘要】:随着统计决策理论和贝叶斯理论的不断发展,不同损失函数下分布参数的Bayes估计问题一直是很多学者的研究方向.现如今,产品的可靠性分析越来越受到人们的重视,关于指数分布参数的统计推断问题已经有大量的文献进行了研究,但是对在截尾情形下参数估计的研究相对较少.2003年Podder C.K.和Roy M.K.提出Mlinex损失函数,引起了许多学者的广泛关注.因此本文在前人的研究基础上,选取Mlinex损失函数,分析截尾情形下指数分布参数的Bayes估计的相关问题,例如容许性问题及经验Bayes估计等.本文首先运用参数估计方法,得出在Mlinex损失函数下定数截尾情形下的MRE估计、Bayes估计的一般形式,以及当先验分布给定时Bayes估计的精确形式,较为全面地讨论了相关估计量在Mlinex损失函数下的容许性,并在超参数部分未知和完全未知两种情况下构造了刻度参数的参数型经验Bayes估计,然后运用Matlab软件进行相关数值模拟,结果表明了估计方法的可行性.接着,求出了定时截尾情形下指数分布参数在Mlinex损失函数下的Bayes估计,并证明了Bayes估计的可容许性,并进行数值模拟.最后对本文做出了总结并提出研究展望.
[Abstract]:With the statistical decision theory and Bias's theory of continuous development, Bayes parameter distribution under different loss functions estimation problem has been the research direction of many scholars. Nowadays, the reliability analysis of products more and more attention, a statistical index distribution parameter inference problem has a large number of the research literature, but the study of in case of truncation parameter estimation in.2003 Podder C.K. and less Roy M.K. proposed Mlinex loss function, attracted attention of many scholars. Therefore, this paper based on previous studies, select the Mlinex loss function, analysis of problems related to Bayes parameter estimation for exponential distribution under censoring, such as compatibility problems and experience Bayes estimation. This paper uses the parameter estimation method, obtained under Mlinex loss function censored case MRE estimation, Bayes estimation of a As a form, and when the prior distribution to form accurate timing Bayes estimation, comprehensively discusses the admissibility under Mlinex loss function correlation estimator, parametric empirical Bayes and construct a scale parameter in the hyper parameters part of the unknown and completely unknown two cases estimated, and then the related numerical simulation by Matlab software, results show that the estimation of the feasibility of the method. Then, the timing estimation of Bayes under the condition of censoring exponential distribution parameter under Mlinex loss function, and it is proved that the Bayes estimation of admissibility, and numerical simulation. Finally, the paper makes a summary and puts forward the research prospect.

【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:O212.1

【相似文献】

相关期刊论文 前10条

1 仲崇新;;加权凸损失函数下的贝叶士估计[J];扬州师院学报(自然科学版);1988年03期

2 肖筱南;一类理想二次损失函数下多参数统计模型的风险估计[J];西安石油学院学报(自然科学版);2003年03期

3 程岩,吴喜之;基于非对称损失函数的参数设计[J];应用概率统计;2005年04期

4 程岩;白宇欣;吴喜之;;基于非对称损失函数指数分布总体的参数设计[J];数学的实践与认识;2006年06期

5 张斌;韩之俊;汤阳;;基于质量损失函数的最优过程均值和质量投资决策[J];统计与决策;2008年18期

6 陈本晶;;非对称质量损失函数系数的参数设计[J];甘肃联合大学学报(自然科学版);2009年03期

7 黄维忠;;平衡损失函数下风险相依回归信度模型[J];华东师范大学学报(自然科学版);2013年01期

8 李新鹏;吴黎军;;平衡损失函数下具有时间变化效应的信度保费[J];重庆理工大学学报(自然科学);2013年04期

9 王天宇;韩萱;杨永愉;;基于平衡损失函数下的信度模型[J];北京化工大学学报(自然科学版);2013年03期

10 刘金泉;一类加权损失函数下正态分布均值参数的同时估计[J];吉林大学自然科学学报;1990年02期

相关会议论文 前5条

1 张月义;宋明顺;韩之俊;;动态特性质量损失函数研究[A];质量——持续发展的源动力:中国质量学术与创新论坛论文集(下)[C];2010年

2 李静茹;钱伟民;;ε-不敏感损失函数下的Bayes估计方法[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 张增明;陈套;丁泽军;;Mo和Ta的有效电子能量损失函数[A];2006年全国电子显微学会议论文集[C];2006年

4 吴佳金;杨志豪;林原;林鸿飞;;基于改进Pairwise损失函数的排序学习方法[A];第六届全国信息检索学术会议论文集[C];2010年

5 周学君;;Rademacher复杂性与学习机器推广性的界[A];第一届中国智能计算大会论文集[C];2007年

相关博士学位论文 前5条

1 欧阳林寒;模型不确定下的稳健参数设计研究[D];南京理工大学;2016年

2 张月义;质量损失函数与测量系统校准研究[D];南京理工大学;2010年

3 黄维忠;相依风险及平衡损失函数下的信度理论[D];华东师范大学;2013年

4 王快妮;支持向量机鲁棒性模型与算法研究[D];中国农业大学;2015年

5 艾摩尔;多元重复测量模型和估计的比较[D];华东师范大学;2004年

相关硕士学位论文 前10条

1 薛娇;Entropy损失函数下若干分布参数的Bayes估计及其性质[D];兰州交通大学;2015年

2 揣瑞;平衡损失函数下Stein估计的优良性研究[D];吉林大学;2016年

3 黄婷婷;基于损失函数的最优过程均值优化设计的研究[D];南京理工大学;2016年

4 王旭;Mlinex损失函数下基于截尾数据指数分布参数的估计[D];吉林大学;2017年

5 孔亮;相依风险及非对称损失下的信度理论[D];吉林大学;2017年

6 徐万奎;加权损失函数下的信度保费[D];新疆大学;2011年

7 李春飞;两类损失函数的质量水平与参数设计[D];东北师范大学;2007年

8 苏美红;机器学习中损失函数问题研究[D];西北大学;2015年

9 邓海松;一类稳健损失函数的构造与应用及多元Laplace分布[D];南京理工大学;2006年

10 吴佳金;排序学习损失函数的研究[D];大连理工大学;2011年



本文编号:1588940

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/yysx/1588940.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ca218***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com