负相伴样本指数分布参数的经验Bayes检验.docVIP

负相伴样本指数分布参数的经验Bayes检验 于红艳 余新宏 陈桂景 （安徽大学数学与计算科学学院 安徽 合肥 230039） 摘要：本文讨论了负相伴样本情形指数分布中寿命参数的经验Bayes单侧检验问题：，利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数，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性并获得了其收敛速度. 关键词：经验Bayes检验；渐近最优性；收敛速度；负相伴样本 1.引言 关于连续型单参数指数族参数的经验Bayes检验问题，文献中已有许多研究，如，韦等对其分别做了不同程度的研究工作，但几乎所有这些文献中的经验Bayes方法都是针对独立同分布的样本考虑的，然而实际问题中的随机样本多具有相关性，因而在样本相关的情况下研究经验Bayes检验问题是有必要的，陈和刘考虑了负相伴样本情形线性指数分布参数的经验Bayes检验问题。本文将讨论负相伴样本情形指数分布的寿命参数的检验问题，其中指数分布的密度函数为 （1.1） 在实际中，分布（1.1）是极其常见和重要的，而且可以用来描述生存分析，可靠性理论，工程学，环境科学中的许多模型。通常在生存分析和可靠性问题中服从这个分布的随机变量表示一个体的寿命且它的数学期望等于，因而我们称为寿命参数。 考虑如下模型：设随机变量X的条件概率密度函数为（1.1），其中为参数，样本空间为，参数空间为。 本文讨论下列的单侧检验问题： (1.2) 其中为给定的常数，对假设检验问题（1.2），设损失函数，，这里：是行动空间，表示接受，表示拒绝。 假设参数的先验分布为G(),G()未知，设随机化判决函数为 作者简介:于红艳(1982-),安徽蚌埠人,硕士生,研究方向:数理统计. 余新宏(1982-),安徽阜阳人,硕士生, 研究方向:数理统计. 陈桂景(1940-),安徽蚌埠人,教授,博导. (1.3) 则的风险函数 （1.4） 此处＝ (1.5) 令随机变量X的边缘分布为： (1.6) 令 (1.7) 所以由（1.5）得 (1.8) 由（1.4）可知Bayes检验函数为： (1.9) 其Bayes风险为 (1.10) 上述风险当先验分布已知且等于时是可以达到的，但此处未知，因而无实用价值，于是考虑引入经验Bayes方法。 2．负相伴样本情形下经验Bayes检验函数的构造 定义:随机变量称为负相伴的，如果对于集合的任何两个不交的非空子集与都有，其中和是任何两个使得协方差存在且对每个变元均非降（或同时非升）的函数。称随机变量序列是负相伴的，如果对任何自然数n2, 都是负相伴的。 本节在下列框架下构造经验Bayes检验函数：设，为同分布弱平稳的负相伴随机变量序列，其共同的概率边缘密度函数为(1.6)，为历史样本，为当前样本。 令s2为任意确定的自然数，是可测的有界函数，在区间之外为零，且满足下列条件： 在上除了有限点集外是可微的，且 其中表示的一阶导数. 本文对负相伴样本序列的协方差结构做如下假定： 类似[5]定义的核密度估计为 其中{}为正数序列，且 由(1.6),(1.7)式可知= 故=其中表示的一阶导数。 因此的估计量定义为 (2.2) 所以的估计量为 (2.3) 所以经验Bayes检验函数可定义为 (2.4) 以下令表示对随机变量的联合分布求均值，则的全面风险为 （2.5） 若 = ，则称{ }为渐近最优的经验Bayes检验函数；若-=，则称检验函数{ }的收敛速度为。 本文中令表示不同的常数，即使在同一表达式中它们也可取不同的值。 引理 设由（）式定义，其中为