渐近最优性

作品数:125被引量:261H指数:9
导出分析报告
相关领域:理学自动化与计算机技术更多>>
相关作者:陈家清刘次华彭家龙韦来生袁莹更多>>
相关机构:中国科学技术大学华中科技大学武汉理工大学西北工业大学更多>>
相关期刊:更多>>
相关基金:国家自然科学基金国家教育部博士点基金青年科技基金陕西省教育厅科研计划项目更多>>
-

检索结果分析

结果分析中...
选择条件:
  • 期刊=应用数学x
条 记 录,以下是1-7
视图:
排序:
基于Stein损失污染数据情形下刻度参数的经验贝叶斯估计被引量:2
《应用数学》2017年第3期562-569,共8页陈家清 胡锦霞 刘次华 
国家自然科学基金面上项目(81671633);中央高校基本科研业务费专项资金项目(2017IB011)
本文研究基于污染数据情形的一类广义指数分布刻度参数的经验贝叶斯估计问题.在stein损失函数下,导出刻度参数的贝叶斯估计以及利用解卷积的核方法构造了该参数的经验贝叶斯估计.在适当的条件下,基于超平滑误差分布类证明所提出的经验...
关键词:经验贝叶斯 污染数据 渐近最优性 Stein损失 
渐近最优的经验贝叶斯决策(英文)
《应用数学》2013年第1期95-103,共9页陈家清 陈志强 张智敏 刘次华 
Supported by the Foundamental Research Funds for the Central Universities of China(2010-1a-027);the Posterdoctoral Funds of China(20100471168)
本文在加权线性损失下讨论一类广义指数分布刻度参数的经验贝叶斯检验问题.利用核密度估计函数构造单调的经验贝叶斯检验函数,在适当的条件下证明所构造的检验函数的渐近最优性并获得其收敛速度.该收敛速度可以任意接近O(n-1).最后,给...
关键词:广义指数分布 经验贝叶斯检验 渐近最优性 收敛速度 
绝对损失下双边截断型分布族参数的渐近最优经验Bayes估计(英文)
《应用数学》2008年第3期417-423,共7页陈家清 刘次华 
the National Natural Science Foundation of China(10301011)
本文在绝对损失下构造了双边截断型分布族参数的经验Bayes估计,并在合适的条件下证明了该估计的渐近最优性.最后,给出两个有关本文主要结果的例子.
关键词:双边截断型分布族 经验BAYES估计 渐近最优性 绝对损失函数 
渐近最优的经验贝叶斯决策(英文)被引量:1
《应用数学》2006年第2期356-362,共7页王立春 韦来生 
SupportedbyNNSFofChina(10571001)
本文获得了刻度指数族变量带误差情形下的贝叶斯决策,且利用解卷积的核方法构造出了经验贝叶斯决策.在适当的条件下,证明了经验贝叶斯决策的渐近最优性.
关键词:经验贝叶斯 渐近最优性 变量带误差 
Pareto分布参数的经验Bayes检验的收敛速度:NA样本情形被引量:3
《应用数学》2006年第1期205-212,共8页陈家清 刘次华 
国家自然科学基金资助项目(10301011
本文讨论了NA(negativeassociation)样本情形Pareto分布参数的经验Bayes(EB)单侧和双侧检验问题.利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性并获得了其...
关键词:经验BAYES检验 渐近最优性 收敛速度 NA样本Pareto分布 
连续型单参指数族参数的经验Bayes检验问题:NA样本情形被引量:15
《应用数学》2004年第2期263-270,共8页陈玲 韦来生 
国家自然科学基金 (199710 85 );国家教委博士点基金;中科院创新基金资助项目
本文对连续型单参指数族单边和双边假设检验问题导出了Bayes检验函数 ,利用同分布NA样本构造了经验Bayes(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 。
关键词:经验BAYES检验 连续型单参指数族 渐近最优性 收敛速度 NA样本 
单边截断分布族参数的经验Bayes检验:NA样本情形被引量:19
《应用数学》2001年第4期98-102,共5页许勇 师义民 
本文运用同分布 NA样本密度函数的核估计 ,构造一类单边截断型分布族参数的经验 Bayes检验 ,讨论它的渐近最优性 ,建立其收敛速度 .在适当的条件下 ,证明了该收敛速度可以任意接近于 1 ,最后给出适合定理条件的一个例子 .
关键词:经验BAYES检验 NA样本 渐近最优性 收敛速度 密度函数 核估计 单边截断型 分布族参数 
检索报告 对象比较 聚类工具 使用帮助 返回顶部