不完全数据场合广义指数分布参数Bayes估计的混合Gibbs算法  

Mixed Gibbs Algorithm for Bayesian Estimation of the Parameters of Generalized Exponential Distribution in Incomplete Data Occasion

作　　者：王丙参[1] 魏艳华[1] 

机构地区：[1]天水师范学院数学与统计学院,甘肃天水741001

出　　处：《统计与决策》2017年第20期23-26,共4页Statistics & Decision

基　　金：天水师范学院中青年教师科研资助项目(TSA1506)

摘　　要：文章针对在两种不完全数据场合,给出了广义指数分布参数贝叶斯估计的混合Gibbs算法,Mon-te-Carlo模拟结果显示:混合Gibbs算法简单、可行、精度较高、适应范围广。分组数据的分组方式对模拟结果影响较大。This paper gives a mixed Gibbs algorithm of Bayesian estimation of the parameters of generalized exponential dis- tribution in the two occasions of incomplete data. The Monte-Carlo simulation result shows that the mixed Gibbs algorithm is sim- ple, feasible and accurate with a wide range of adaptability, and that the grouping mode of packet data has a great influence on the simulation results.

关 键 词：分组数据 定数截尾样本 广义指数分布 BAYES估计 混合Gibbs算法 

分 类 号：O213[理学—概率论与数理统计]