Mlinex损失函数下逆伽马分布尺度参数的Bayes估计.pdfVIP

第 32卷 第 3期 广西师范大学学报 ：自然科学版 Vo1．32 NO．3 2014年 9月 JournalofGuangxiNormalUniversity：NaturalScienceEdition Sept．2014 Mlinex损失函数下逆伽马分布尺度参数的 Bayes估计 丁新月 ，徐美萍 (北京工商大学 理学院 ，北京 100048) 摘 要 ：在 Mlinex损失函数下 ，本文首次讨论 了逆伽 马分布尺度参数 的Bayes估计及其可容许性 ，并对该分 布 的一个充分统计量 的逆线性形式的容许性进行了分析 ，然后使用蒙特卡洛模拟阐明小样本情形下尺度参 数 的Bayes估计 的精度一般优于其最大似然估计和 Minimax估计 ，与一致最小方差无偏估计相当。 关键词 ：逆伽马分布 ；Mlinex损失函数 ；Bayes估计 ；可容许性 中图分类号 ：0212．5 文献标识码 ：A 文章编号 ：1001-6600(2014)03—0061-04 0 引言 在贝叶斯统计学中，逆伽马分布常用作正态分布方差的共轭先验分布。该分布在随机控制和误差分 析 中也有广泛应用。文献[1]介绍了计算逆伽马分布参数的一种矩估计法，并给出其仿真实例；文献E2] 将统计特性严重拖尾 的真实海杂波通过纹理分量服从逆伽马分布的复合高斯过程进行建模 ，并验证 了检 测器性能；文献 [3]选择逆伽马分布作为复合高斯模型 中纹理分量的先验分布，并基于贝叶斯方法给 出 了一种知识辅助的信号检测算法。 参数估计的可容许性问题是统计学研究的一大热点 ，如文献E4]研究 了平方损失下正态均值参数的 可容许性 问题 ，文献 [5]研究 了一种对称熵损失下正态分布刻度参数 的估计及可容许性 问题 。大多数 Bayes推断通常是在对称损失函数下来计算风险的，但在实际应用中我们经常会遇到估计 的高或低所造 成的风险不对等的情形。例如，在对可靠性及失效率 函数进行估计时，高估会 比低估造成更严重 的后 果 。为此，2004年 Podder提出了一个修正的线性指数损失函数 ，即Mlinex损失 函数，这一损失函数为 非对称损失 函数 ，其形式为 ： === ㈣cn(軎)一] 。，c ㈩ 其中 是未知参数0的判别空间的一个估计 ]。当 ／一1时，损失函数 L(，)一0，令R—a／o，则相 对误差函数 L(R)在R—l处取得最小值。当C0时 ，它可以很好地刻画一个正的偏差引起 的损失要高 于一个负 的偏差引起的损失的情形．。文献E7]详尽地讨论了对数误差平方损失 函数和损失函数 (1)下一 类分布族参数的Bayes估计及 Minimax估计 。而关于 Mlinex损失 函数下逆伽马分布尺度参数 的Bayes 估计及其可容许性问题 ，本文首次提 出并进行研究，进而分析该分布的一个充分统计量的逆线性形式的 可容许性 ，最后通过蒙特卡洛模拟说 明在 Mlinex损失函数下，适 当选取尺度参数的先验信息，可以使其 Bayes估计 的误差小于最大似然估计和 Minimax估计 的误差 ，达到一致最小方差无偏估计的精度。 下面将讨论 Mtinex损失函数 中cO的情形，而对 Cdo的情况也可 以进行类似的讨论 。本文使用 收稿 日期 ：201403—22 基金项 目：国家 自然科学基金资助项 目；北京市委组织部优秀人才项 目(2012D005003000005)；北京工商大 学学术专著出版资助项 目(ZZCB2012—17) 通信联系人 ：徐美萍 (1971一)，女 ，山西太原人 ，北京工商大学副教授 ，博士。E—mail：xumeiping2006@163．eom 广西师范大学学报 ：自然科学版 第 32卷 记号 r(n，b)表示伽马分布，其概率密度为 ： g(z；＆，6)===r(“)一6“z “ e