程 靜,周菊玲
(新疆師范大學 數學科學學院,新疆 烏魯木齊 830017)
Weibull分布在可靠性分析或壽命檢驗中常被用到,在一些管理科學與工程領域中也有所應用,有不少學者對該分布有研究興趣.韋瑩瑩等[1]討論了Pareto分布參數在Linex損失下的Bayes估計問題,證明了所給估計是可容許的.王學敏[2]研究了Linex損失下先驗分布不同時Burr分布參數的Bayes估計問題.王理峰[3]在Linex損失下得到了多元正態分布熵的最優仿射同變估計,證明了其是Bayes估計.鄧立鳳等[4]對逆Gaussian分布參數倒數的Bayes估計進行了研究,給出了估計并證明了該估計是可容許的.李鳳等[5]在損失函數下取逐步增加的Ⅱ型截尾樣本研究Weibull分布的Bayes估計.崔群法等[6]討論了E-Weibull分布參數及可靠度在Linex 損失下的Bayes估計問題,并在該情況下對極大似然估計和Bayes估計做了對比.張麗[7]討論了在Linex損失下各分布參數的Bayes估計及其性質,證明了所得各分布參數的估計是可容許的.王敏[8]在復合Linex損失下,參數先驗分布不同時對參數的估計進行了對比,得到了參數的唯一Bayes估計.姚慧等[9,10]在Linex損失下對關于Lomax分布參數的一些Bayes估計進行了討論.邱燕[11]對Weibull分布參數及可靠度的Bayes估計進行了研究.本文基于以上研究對Weibull分布參數的Bayes估計在Linex 損失函數下進行了討論,給出了估計式并對其可容許性給出了證明,最后通過數值模擬驗證了所得Bayes估計的穩健性和精確度.
設X是服從Weibull分布的隨機變量,其密度函數為
上式中σ=ηβ,σ,β分別為尺度參數和形狀參數,且σ是未知的.記X~Weib(σ,β).
(1)
定義1.1Linex損失函數的形式為
L(θ,δ)=eb(δ-θ)-b(δ-θ)-1,
(2)
式中δ,b分別為θ的估計值和該損失函數的尺度參數,b∈R且b≠0.
本文僅考慮b>0的情況,b<0情況的討論類似.該損失函數對于δ嚴格凸的,且當δ=θ時有最小值.
定理1.1在損失(2)下,對任一先驗分布π(θ),θ的Bayes估計為
證明設在式(2)下θ的任一估計為δ(X),則δ(x)的Bayes風險為
E(L(θ,δ))=E{E[eb(δ-θ)-b(δ-θ)-1|X]}=
E[ebδE(e-bθ|X)-bδ+bE(θ|X)-1].
(3)
要使式(3)最小,只需極小化ebδE(e-bθ|X)-bδ+bE(θ|X)-1.令h(δ)=ebδE(e-bθ|X)-bδ+bE(θ|X)-1,對h(δ)關于δ求導并令所得導數等于零,得
因為δ是其最小值點且也是唯一的,所以θ的Bayes估計為
定理1.2在損失函數(2)下,設Gamma分布Γ(α,λ)為θ的先驗分布,則θ的Bayes估計為
證明若參數θ~Γ(α,λ),則
(4)
從而θ的后驗分布
所以參數θ的Bayes估計為
引理1.1[13]在Bayes決策問題中,若對于給定的先驗分布π(θ),θ的Bayes估計δB(X)是唯一的,則它是可容許的.
由引理1.1可知,如果損失函數為嚴格凸的,那么它的Bayes估計定是唯一的,且也是可容許的.本文所討論的Linex損失函數與上述引理的相同,是嚴格凸的,因而它的Bayes估計定是唯一的,由此可得,Bayes估計是可容許的.
從上述定理1.1可以看出當參數θ的先驗分布為Γ(α,λ)時,Bayes估計δB(X)中仍有超參數α,λ.因為需要進一步討論θ的多層Bayes估計,所以此時把超參數看成相互獨立的隨機變量,再給出一個先驗,稱為超先驗,進而求得θ的多層Bayes估計.當Γ(α,λ)分布的超參數λ>0,0<α<1時,α,λ的先驗分布分別為均勻分布
πα=U(0,1),和πλ=U(0,c).
(5)
為了保證Bayes估計的穩健性,此時c是一個常數且不宜過大.
定理2.1當式(1)在Linex損失函數和兩層先驗式(4)、式(5)下時,參數θ的多層Bayes估計為
證明由式(4)和式(5)知,θ的先驗分布為
從而θ的后驗分布為
進而得
所以在損失函數(2)下,θ的多層Bayes估計為
利用數值積分可得θ的多層Bayes估計δB(X).
當尺度參數σ=0.45,形狀參數β=0.8,n=50時,使用Matlab生成Weibull分布的隨機數據,由這些數據計算得到,當n=50時,T=29.064 0,b=3.根據定理1.2中得出的參數θ的Bayes估計δB(X),計算結果如表1所示.
表1 Linex損失函數下的Bayes估計
由表1可以看出,在Linex損失函數下,參數θ的Bayes估計δB(X)橫向極差不超過0.062 011,縱向極差不超過0.041 639.從統計決策中穩健性角度看,δB(X)是很穩健的.由偏差△δ=|δB-θ0|(其中δB為參數θ的估計量,θ0為參數θ的真值,θ0≈2.222 2)得到偏差區間為[0.525 1,0.628 7].偏差區間較小,所以參數θ的Bayes估計δB(X)的精確度比較高.與文獻[11]相比較可知,Weibull分布在Linex損失函數下與復合Linex損失函數下得到的參數的Bayes估計極差都較小,即穩健性均較好;但該分布在Linex損失函數下估計量更接近真值,偏差更小,即精確度更高.