正态模型刻度参数的经验贝叶斯估计.docVIP

正态模型刻度参数的经验贝叶斯估计 刘荣玄 朱少平 （井冈山学院 数理学院 江西 吉安 343009） 摘 要：依据经验贝叶斯估计的思想，研究在平方损失函数下，正态模型单参数的经验贝叶斯（EB）估计问题．先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来，再利用过去样本值和当前值，采用密度函数的核估计方法构造相应的函数，代替理论贝叶斯估计中的函数，得到参数的经验贝叶斯估计，最后证明了所得到的经验贝叶斯估计是渐近最优的． 关键词：正态模型；参数；经验贝叶斯；估计；渐近最优 中图分类号：0212.1　　文献标识码：Ａ MR(2000)主题分类号: 62C12,62F12 Estimation of the One-parameter of General Normal Mode by Empirical Bayes LIU-Rongxuan Zhu-shaoping (Jinggangshan College Math and Physic College Jian Jiangxi 343009) Abstract: By means of empirical Bayesian principle and method, a empirical Bayes (EB) estimator of the One-parameter was discussed under the square loss function for the general normal mode . The theoretical Bayes evaluation was indicated by using X marginal distribute density function and its first order derivative . Using the past sample value (x1 x2….xn) and present value x , combined with kernel estimation method to construct relevant function to replace the function in Bayes evaluation , the parameter by empirical Bayes was obtained . It was proved that the proposed estimator was an asymptotical optimal EB estimator. Key words: general normal mode parameter empirical Bayes kernel estimation asymptotical optimality 一、问题的提出 Bayes统计推断原则：对参数所作任何推断必须基于且只能基于的后验分布，即后验密度函数族，它依赖于的先验分布，而先验分布往往很难确定，当先验分布未知或先验分布中含有未知参数时就难以找到的贝叶斯估计.为解决这一问题，1955年R0bbins提出了经验贝叶斯（EB）方法．自这种方法提出以来，EB估计问题在文献中已有相当多的研究，陈家清和刘次华研究了线性指数分布参数EB估计，王立春和韦来生研究了刻度指数族参数的EB估计的收敛速度，赵林城研究了一类离散分布参数的EB估计的收敛速度，韦程东和王成名研究了相依样本时的线性EB估计等.基于正态分布广泛地存在于客观现实生活中，测量误差、产品质量指标、各种实验参数、新工艺性能参数等几乎都服从或近似服从正态分布，应用广泛,因此本文在平方损失函数下，讨论正态模型单参数的经验贝叶斯估计及它的渐近性． 一、贝叶斯估计 设正态模型总体的概率密度函数为 　　　　　　　　　（1） 其中：为已知常数，的先验分布、概率密度函数，属于先验分布族． 设平方损失函数为，为的决策函数，，为决策函数空间，则它的理论贝叶斯估计为 ，　　　　　　　　　　　　　　（2） 其中：为随机变量的后验分布．，为随机变量的的边缘分布， ． （3） 事实上，的贝叶斯风险为 ． 因为在中达到最小，几乎处处等价于在中达到最小，而 ． 对上式关于求导数，并令其为得正规方程，解此方程得．于是式(2)成立. 由于先验分布密度函数的不确定性，因此式（2）在实际应用中存在一定困难．但在客观现实中往往对某随机变量的一些历史资料有所了解，本文将利用历史资料探讨参数的经验贝叶斯（EB）估计． 三、经验贝叶斯估计 引理１　对正态模型的分布函数密度式（1），其在平方损失函数下的贝叶斯估计为 　　，