与刻度参数关的bayes和经验bayes的统计推断问题.pdf

摘 ‘要 列时的统计推断问题，这一方法在大量的文献中都有讨论．本文主要研究与凄型廑 至婺有关的里翌!!和墅墼旦§理!的统计推断问题· 第一章中我们致力于如何构造刻度指数族参数的经验Bayes估计及研究其 渐近最优性和收敛速度．1设给定0时随机变量(删．)T的条件密度函数有下列形 式 f(t[o)=c(口)“(￡)e印(一t归)几01． (1) 们认为对刻度参数用加权平方损失较通常的平方损失更为合理，这不但使损失函 数在一定变换群下具有不变性，而且导出的Bayes估计易与用非参数方法获得其 EB估计．本文第一章在加权平方损失z(e，d)=(d一口)2／e2下获得了刻度参数的 Bayes估计，采用概率密度函数及其导数核估计的方法构造了相应的EB估计， 在较一般条件下证明了提出的EB估计的渐近最优性并获得了其收敛速度．我们 的结果表明在适当的条件下，提出的EB估计收敛速度的阶可任意接近O(n一)． 本章最后，我们给出了这一模型的两个应用．，√ 本文第二章和第三章我们考察了随机效应模型中方差分量的经验Bayes估计 和检验问题．憷机效应模型是方差分量模型的重要类型，它广泛应用于遗传学， 计量经济学，心理学等许多领域．考虑如下平衡的双向分类随机效应模型： ％≈=p+啦+岛+％+eijk，i=1，…，o；J=1，·一，6；％=1，…，f，(2) 上述模型的矩阵形式为： ‰=pl。+Ula+巩卢+u3-r+8m．(3) 本模型中，我们假定Ot一虬(o，a：n卢一wdo，d；n，r一矾6(o，％2ne—Nm(0，口in 且它们之间都相互独立，畦，霸，嵋，蠢称为方差分量．这是另一类与刻度参数 有关的Bayes分析问题．因此我们采用如下加权平方损失函数； 4 ，t ．、o L(O，d)=∑噪， (4) wo～”， i=1 取上述加权平方损失不仅可以消除度量单位不同对损失函数的影响，且使导出的 Bayes估计易于用非参数方法获得其EB估计． 第二章中我们首先在上述损失函数(4)下获得了方差分量的Bayes估计，随 后利用多元密度函数及其混合偏导数核估计的方法获得了方差分量的EB估计并 研究了它的渐近最优性和收敛速度问题．我们的结果表明在适当的条件下，所提 出的EB估计的收敛速度的阶可任意接近D(n。)．最后，我们还说明了平衡的单 向分类随机效应模型EB估计问题是本章的特例，并指出容易将我们的结果推广 到平衡的k(k3)向分类随机效应模型EB估计问题． 第三章中我们考虑随机效应模型(3)中方差分量的EB检验的构造方法及其 大样本性质．利用第二章中多元密度函数及其混合偏导数核估计的方法得出了 EB检验函数，在一些较弱的条件下，获得了EB检验函数的渐近最优性和收敛 速度．在一定条件下收敛速度的阶可任意接近O(n“／2)．最后，我们说明平衡的 单向分类随机效应模型EB检验是本章的特例，并可以容易将我们的结果推广到 平衡的k(k≥3)向分类随机效应模型EB检验问题．／7’ 第四章中，我们考虑刻度指数族观测数据被”污染”(变量带误差，简称EV) 情形下的经验Bayes问题．睡本的模型是这样的．假定参数口服从某个先验分布 G，且给定9时，x有条件概率密度(1)．我们希望基于随机变量x来估计参数口， 但由于环境因素和测量误差的影响，我们只能观测到 Y=X+E (5) 这里随机误差e与(X，p)独立，且服从一个已知的分布FE．因此我们只能基于Y 来推断口．这样的一个被误差污染的模型存在于许多不同的领域，而且受到广泛 的研究． ’ 估计，利用EV模型下密度函数核估计的方法，提出了参数的EB估计．在对随 机变量x的边缘密度施加一定的光滑性的条件下，我们证明了所提出的EB估 计的渐近最优性并