导读:本文包含了离散指数族论文开题报告文献综述及选题提纲参考文献，主要关键词:网络数据,离散指数族模型,稳定性,过度敏感性
离散指数族论文文献综述
刘延君[1]（2017）在《可数离散指数族分布的稳定性质研究》一文中研究指出指数随机图表模型被广泛用来分析网络数据。指数随机图表模型属于指数族分布,具有指数族分布的所有性质,分析推断起来非常方便。但在分析相依的网络数据时,指数族分布的似然函数很难处理。因此我们使用马尔科夫链蒙特卡洛模拟来产生服从分布的网络。我们在分析研究具有相依性质的网络数据的过程中,发现大量的指数族模型呈现渐近退化性,并且对此类模型进行马尔科夫链蒙特卡洛模拟和统计推断时也相继产生一定的问题。针对有限离散加权的网络数据,Schweinberger(2011)一文中引入了离散指数族分布不稳定性的概念与充分统计量不稳定性的概念,证明了不稳定的离散指数族分布具有过度敏感性与渐近退化性,并且非退化分布的参数空间与均值参数都对应于较低维的子空间。本论文的主要内容是将有限离散加权指数族分布中不稳定的概念推广到可数加权边的情形,得到可数离散指数族分布不稳定的概念与充分统计量不稳定性的概念。同时证明了不稳定的可数离散指数族分布具有过度敏感性与渐近退化性,而且这种退化性质会阻碍马尔科夫链蒙特卡洛模拟和统计推断。最后我们模拟发现具有马尔科夫性的离散指数族模型是不稳定的。(本文来源于《华中师范大学》期刊2017-05-01）
董先雨[2]（2007）在《离散指数族的信度估计及其尾部预测》一文中研究指出离散指数族是一个非常丰富的分布族，自从美国精算师Jewell教授将离散指数族引入信度理论之后，便引起了众多精算师和学者的极大兴趣。所以，最近越来越多的学者集中于对离散指数族的研究。在保险精算的信度理论中，寻求信度保费一直是一个十分重要的研究课题之一。在过去的几十年里，精算师和学者们都在该领域投入了大量的精力，取得了大量的研究成果。对于离散指数族，他们用贝叶斯方法和分布截尾法分别得到了它们的信度保费公式。离散指数族均值函数的估计及其截尾分布的预测也是信度理论中的一个重要研究课题。研究该问题所采用的方法是二阶贝叶斯估计方法，该方法是二阶最优统计理论中的一个重要工具。本文主要容分为两章。1．第一章是离散指数族的信度保费估计问题。在本章中，我们首先在引言中阐述了离散指数族信度保费的研究背景及其意义。其次，给出了离散指数族的定义和该分布族的一些特殊性质，再次，介绍了计算保费的两种方法——贝叶斯方法和损失分布截尾法，最后，我们将Bülhmann模型应用到离散指数族，计算出了离散指数族的Bülhmann保费E(X_(n+1)|x_1,x_2…,x_n)=K/(K+nλ)m+nλ/(K+nλ)(?)并与前两种方法计算出的保费进行了比较，得到Bülhmann保费和贝叶斯保费相等，即Bülhmann保费为最精确信度保费的结论。2．第二章的主要内容是离散指数族均值函数的估计及其截尾分布的预测问题。在本章中，我们首先阐述了离散指数族尾部二阶贝叶斯预测的研究背景及其现实意义。然后，在前人的研究基础上，对该问题作了进一步的研究，应用二阶贝叶斯方法估计出了离散指数族的均值函数，并运用此结论对离散指数族的尾部进行了预测，得到了理赔大于某个较大阈值T的概率表达式P(X_(n+1)＞T|x_1,x_2,…,x_n)=(?)(T|θ(μ))+(1/2)(1/K+n)△T(μ)+O_p(1/n)△_T(μ)=V_T(μ)/V(μ)-(?)(T|θ(μ))-(μ_T(μ)-μ(?)(T|θ(μ)))V′(μ)/V(μ)最后我们对平移伽玛分布的尾部进行了预测。本文的独创之处：1．在本文中，我们将Bülhmann模型应用到离散指数族，得到了离散指数族的Bülhmann信度保费，且该保费为最精确信度保费。2．在本文中，我们将结论应用到了平移Gamma分布，得到了平移Gamma分布尾部预测的概率表达式。(本文来源于《新疆大学》期刊2007-06-01）
杨亚宁,韦来生[3]（1995）在《多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度》一文中研究指出本文构造了多参数离散指数族参数的渐近最优的经验Bayes（EB）估计,若记B_n（δ_n,G）为δn的全面Bayes风险,R_G最小Bayes风险,则在某些条件下c_1n~(-1）<R_n（δ_n,G）-R_G≤c_2n~-λ（μ-2）/μ对0<λ<1,μ>2成立,其中c_1,c_2为正的常数,(本文来源于《应用概率统计》期刊1995年01期）
李金平[4]（1992）在《一维离散指数族中选择好总体的经验Bayes法则》一文中研究指出本文讨论了对一维离散指数族当控制参数θ_0巳知及未知情况的经验Bayes(EB)判决法则及其基本收敛性质,对θ_0已知的情况,研究了ED判决法则的Bayes风险收敛的精确速度.(本文来源于《数学研究与评论》期刊1992年03期）
朱力行[5]（1988）在《离散指数族参数的可测函数渐近最优经验Bayes估计》一文中研究指出考虑离散型指数分布族 P_θ(X=x)=h(x)β(θ)θ~x x=0,1,2,…θ∈Θ,Θ={θ: θ>0,sum from x=0 to ∞ h(x)θ~x<∞} F={G: integral fromΘ | f(θ)|~2dG(θ)<∞}是在参数空间Θ上的一个先验分布族,其中f(θ)是一待估的可测函数。本文在一些条件下证明在平方损失函数L(θ,δ)=(f(θ)-δ)~2下,相对于先验族F,可以构造出f(θ)的渐近最优经验Bayes估计。(本文来源于《安徽大学学报(自然科学版)》期刊1988年02期）
方兆本[6]（1983）在《一类单参数离散指数族参数多项式经验Bayes估计的收敛速度》一文中研究指出本文考虑如(1)定义的一类离散指数族分布,得到参数多项式Q_k(θ)=sum from i=0 to k(α_iθ~i)的一串经验Bayes估计的收敛速度。证明了在一定条件下此收敛速度可任意接近1。(本文来源于《中国科学技术大学学报》期刊1983年02期）
陶波[7]（1982）在《一维离散指数族参数的连续函数的渐近最优经验Bayes估计》一文中研究指出考虑写成下面形状的离散指数分布族:P_θ(X=x)=h(x)β(θ)θ~x,x=0,1,2,…,(1)θ∈Θ,Θ={θ:θ>0,sum from x=1 to ∞ h(x)θ~x<∞},f(θ) 为在Θ上定义的任一连续函数.本文的目的是研究在平方损失 L[f(θ),d]=[f(θ)-d]~2之下,f(θ) 的渐近最优 (asymptotically optimal,简记为 a.o.) 经验 Bayes 估计问题.根据 Robbins 在[1]中介绍,Johns 于1956年在其博士论文 [2] 中,对(1)的一重要特例,即 Poisson 分布族(本文来源于《系统科学与数学》期刊1982年02期）
离散指数族论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
离散指数族是一个非常丰富的分布族，自从美国精算师Jewell教授将离散指数族引入信度理论之后，便引起了众多精算师和学者的极大兴趣。所以，最近越来越多的学者集中于对离散指数族的研究。在保险精算的信度理论中，寻求信度保费一直是一个十分重要的研究课题之一。在过去的几十年里，精算师和学者们都在该领域投入了大量的精力，取得了大量的研究成果。对于离散指数族，他们用贝叶斯方法和分布截尾法分别得到了它们的信度保费公式。离散指数族均值函数的估计及其截尾分布的预测也是信度理论中的一个重要研究课题。研究该问题所采用的方法是二阶贝叶斯估计方法，该方法是二阶最优统计理论中的一个重要工具。本文主要容分为两章。1．第一章是离散指数族的信度保费估计问题。在本章中，我们首先在引言中阐述了离散指数族信度保费的研究背景及其意义。其次，给出了离散指数族的定义和该分布族的一些特殊性质，再次，介绍了计算保费的两种方法——贝叶斯方法和损失分布截尾法，最后，我们将Bülhmann模型应用到离散指数族，计算出了离散指数族的Bülhmann保费E(X_(n+1)|x_1,x_2…,x_n)=K/(K+nλ)m+nλ/(K+nλ)(?)并与前两种方法计算出的保费进行了比较，得到Bülhmann保费和贝叶斯保费相等，即Bülhmann保费为最精确信度保费的结论。2．第二章的主要内容是离散指数族均值函数的估计及其截尾分布的预测问题。在本章中，我们首先阐述了离散指数族尾部二阶贝叶斯预测的研究背景及其现实意义。然后，在前人的研究基础上，对该问题作了进一步的研究，应用二阶贝叶斯方法估计出了离散指数族的均值函数，并运用此结论对离散指数族的尾部进行了预测，得到了理赔大于某个较大阈值T的概率表达式P(X_(n+1)＞T|x_1,x_2,…,x_n)=(?)(T|θ(μ))+(1/2)(1/K+n)△T(μ)+O_p(1/n)△_T(μ)=V_T(μ)/V(μ)-(?)(T|θ(μ))-(μ_T(μ)-μ(?)(T|θ(μ)))V′(μ)/V(μ)最后我们对平移伽玛分布的尾部进行了预测。本文的独创之处：1．在本文中，我们将Bülhmann模型应用到离散指数族，得到了离散指数族的Bülhmann信度保费，且该保费为最精确信度保费。2．在本文中，我们将结论应用到了平移Gamma分布，得到了平移Gamma分布尾部预测的概率表达式。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
离散指数族论文参考文献
[1].刘延君.可数离散指数族分布的稳定性质研究[D].华中师范大学.2017
[2].董先雨.离散指数族的信度估计及其尾部预测[D].新疆大学.2007
[3].杨亚宁,韦来生.多参数离散指数族参数渐近最优的经验Bayes估计的收敛速度[J].应用概率统计.1995
[4].李金平.一维离散指数族中选择好总体的经验Bayes法则[J].数学研究与评论.1992
[5].朱力行.离散指数族参数的可测函数渐近最优经验Bayes估计[J].安徽大学学报(自然科学版).1988
[6].方兆本.一类单参数离散指数族参数多项式经验Bayes估计的收敛速度[J].中国科学技术大学学报.1983
[7].陶波.一维离散指数族参数的连续函数的渐近最优经验Bayes估计[J].系统科学与数学.1982