黄金超
(滁州职业技术学院基础部,安徽 滁州 239000)

考虑Kumaraswamy分布模型[9],设随机变量X条件概率密度
f(x|θ)=αθxα-1(1-xα)θ-1,
(1)
其中θ为未知参数,α>0且为常数.样本空间χ={x|0
考虑(1)式中参数θ的EB检验问题
H0:θ≤θ0↔H1:θ>θ0,
(2)
其中θ0>0为已知常数.对假设检验问题(2),取“线性损失”函数
L(θ,dj)=(1-j)a(θ-θ0)I[θ-θ0>0]+ja(θ0-θ)I[θ-θ0≤0]j=0,1.
其中:a>0且为常数;d0表示接受H0,d1表示否定H0,{d0,d1}=D,D是行动空间;I[A]为集合A的示性函数.
设δ(x)=P(接受H0|X=x)为随机化判别函数.在先验分布G(θ)下,δ(x)的风险函数
(3)
其中
(4)
这里:
(5)
为r.v.X的边缘分布;
(6)
(6)式中,
(7)

α(x)=f(x)(φ(x)-θ0)=(p(x)-θ0)f(x)+q(x)f(1)(x).
(8)
由Cauchy-Schwarz不等式和(6)式可得
(9)
所以对于α>0,0 假定 在这个假定下先验分布G(θ)是非退化的.因为φ(x)是单调递减且连续的,所以由连续函数的介值定理可知必存在点aG∈(0,1),使得φ(aG)=θ0.又由(8)式可知 α(x)≤0⟺φ(x)≤θ0⟺x≥aG, α(x)>0⟺φ(x)>θ0⟺x 故由(3)式可知Bayes判决函数 (10) 其Bayes风险 (11) (11)式中,当先验分布G(θ)已知,δ(x)=δG(x)时,R(G)是可以达到的.但此处G(θ)未知,所以δG(x)也未知,从而δG(x)无使用价值,于是考虑引入EB检验方法. 设X1,X2,…,Xn和X是iid样本,通常称X1,X2,…,Xn为历史样本,称X为当前样本.令f(x)为X1的概率密度函数(形如(5)式),iid样本作如下假定: (T1)f(x)∈Cs,α,Cs,α为R1中的一族概率密度函数,其s阶导数存在且|f(x)|≤α,s≥3为正整数. 令Kr(x)(r=0,1,…,s-1)是有界的Borel可测函数,在(0,1)之外为0,且满足如下条件: 假定先验分布G(θ)非退化,且属于下列先验分布类: (T4)Γ(A1,A2)={G(θ)|0 假设Γ(A1,A2)={G(θ)|0 记f(0)(x)=f(x),f(r)(x)表示f(x)的第r阶导数,r=0,1,…,s.类似文献[2],定义f(r)(x)的递归核估计 (12) (13) 由(8)式定义α(x)的估计量 (14) 由先验条件(T4)给出的A1,A2,结合(10)式,定义EB检验函数 (15) EB检验构造方法参照文献[5]. 令En表示对r.v.X1,X2,…,Xn的联合分布求均值,则δn(x)的全面Bayes风险 (16) 假设本研究中的c,c1,c2,…,M1,M2为正常数. 证明由Cr不等式可知,对于r=0,1,有 (17) 由核函数的性质可知 (1……2 EB检验函数的构造



