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  

Asymptotically Optimal Empirical Bayes Estimation of Parameter for Linear Exponential Distribution in the Case of Negatively Associated Samples

作　　者：陈家清[1] 彭红伟[1] 董锐[2] 

机构地区：[1]武汉理工大学统计学系,武汉430063 [2]华中科技大学数学与统计学院,武汉430074

出　　处：《武汉理工大学学报（交通科学与工程版）》2011年第2期387-391,共5页Journal of Wuhan University of Technology（Transportation Science & Engineering）

基　　金：中国博士后基金项目(批准号:20100471168);武汉理工大学自主创新基金项目(批准号:2010-1a-027)资助

摘　　要：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的经验Bayes(EB)估计.在适当的条件下证明了所提出的EB估计是渐近最优的.并给出一个满足定理条件的例子.The Bayes estimator of the parameter is obtained for linear exponential distribution under square loss function,and by using the kernel estimation of density function in the case of nagatively associated samples,the empirical Bayes estimator is constructed.It is shown that the proposed estimator is an asymptotically optimal EB estimator under suitable conditions.Finally,an example about the main results of this paper is given.

关 键 词：线性指数分布 经验BAYES估计 渐近最优性 负相伴样本 

分 类 号：O212.1[理学—概率论与数理统计]