宁夏回族自治区自然科学基金(1999A002)

作品数：9被引量：41H指数：4
导出分析报告
相关作者：魏立力张文修许昌林马江洪刘锐更多>>
相关机构：西安交通大学宁夏大学更多>>
相关期刊：《数理统计与管理》《应用数学学报》《系统工程》《华中师范大学学报（自然科学版）》更多>>
相关主题：损失函数贝叶斯方法定数截尾样本贝叶斯检验统计学更多>>
相关领域：理学社会学经济管理更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-9
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
一元线性回归模型的贝叶斯分析被引量：3
《重庆工学院学报（自然科学版）》2009年第3期98-100,132,共4页许昌林 魏立力 
宁夏自然科学基金资助项目(1999A002)
在贝叶斯统计的基础上,给出了一元线性回归模型的贝叶斯分析方法.
关键词：线性回归 贝叶斯分析 边缘分布 
多重模糊假设检验的贝叶斯方法被引量：4
《工程数学学报》2004年第3期410-416,共7页魏立力 张文修 
宁夏自然科学基金资助项目(1999A002).
应用统计推断和统计决策问题中,常常需要处理模糊概念,模糊假设检验是其中非常重要的一种情形。本文将模糊性引入到多重假设中,从贝叶斯决策的角度,分样本为清晰数据和模糊信息两种情形,研究了多重模糊假设的贝叶斯方法,并给出了数值例。
关键词：模糊假设 损失函数 贝叶斯决策 
二阶线性常微分方程m点边值问题的正解
《华中师范大学学报（自然科学版）》2003年第4期464-467,共4页刘锐 
宁夏自然科学基金资助项目(1999A002).
建立了m点边值问题u″+a(t)f(u)=0,u(0)=0,u(1)- m-2i=1αiu(ηi)=b正解的存在性,其中b,αi>0,ηi∈(0,1),i=1,…,m-2为已知,且 m-2i=1αiηi<1,在适当的条件下证明了:存在一个正数b*,使得上述问题对于0b*无解.
关键词：M点边值问题 正解 SCHAUDER不动点定理 
线性指数危险率模型的贝叶斯判别分析被引量：14
《数学物理学报（A辑）》2003年第4期436-443,共8页魏立力 张文修 
宁夏自然科学基金 ( 1999A 0 0 2 )资助项目
设有两个总体Π0 和Π1 ,其危险率为具有不同参数的线性函数 .对于待观测的寿命样本X,给出了相应的判别分析问题的 Bayes停止判决法则 ,其中损失函数包括试验费用和误判损失两部分 .
关键词：危险率函数 判别分析 Bayesian法则 损失函数 
几何分布的一类贝叶斯停止判决法则被引量：11
《应用数学学报》2003年第1期181-185,共5页魏立力 张文修 
宁夏自然科学基金(1999A002)资助项目
1引言 以节约样本为目的序贯方法在数理统计中占有重要地位.从实际工作的角度出发,人们往往更强调时间的价值,希望当有足够的证据做出推断时应尽早停止试验,这样就提出了时间序贯计划.
关键词：几何分布 贝叶斯停止判决法则 截断时间 先验概率 平均风险 
定数截尾样本情形指数分布参数的模糊假设检验被引量：4
《模糊系统与数学》2003年第1期77-83,共7页魏立力 张文修 
宁夏回族自治区自然科学基金资助项目(1999A002)
以控制犯两类错误的概率为目的,本文在定数截尾样本情形,研究指数分布参数的模糊假设检验问题,并给出一个数值例子。
关键词：模糊假设 指数分布 截尾样本 
基于指数分布寿命特征检验的Bayesian停止判别法则
《数理统计与管理》2003年第z1期256-259,共4页魏立力 
宁夏自然科学基金(1999A002)和教委科研基金资助项目
对于指数分布特征寿命参数的单边假设检验问题,在先验分布为逆Г分布的假设下,给出了相应寿命试验的Bayesian停止判决法则,其中损失函数包括试验费用和误判损失两部分.
关键词：指数分布 假设检验 Bayesian法则 损失函数 
两参数指数分布模型多重模糊假设检验的贝叶斯方法被引量：9
《系统工程》2002年第2期1-5,共5页魏立力 张文修 
宁夏自然科学基金资助项目 (1999A0 0 2 )
模糊假设检验是统计决策中处理模糊概念的一种非常重要的情形。对于双参数指数分布尺度参数的多重模糊假设检验 ,本文在定数截尾样本情形 ,研究其贝叶斯解。先验分布考虑了 Jeffreys先验和共扼先验。
关键词：模糊假设 贝叶斯检验 两参数指数分布 定数截尾样本 统计学 
固定设计情形下回归函数小波估计的泛相合性
《应用数学》2002年第1期103-107,共5页魏立力 马江洪 
宁夏自然科学基金项目 (1999A0 0 2 )
本文引入固定设计情形下回归函数小波估计的泛相合性概念 。
关键词：回归函数 泛相合性 小波估计 非参数回归 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部