Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2021

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: non-central chi-square distribution

Sortuj według:

Ogranicz wyniki do:

On background driving distribution functions (BDDF) for some selfdecomposable variables

Jurek Zbigniew J.

Mathematica Applicanda

2021

Vol. 49, no. 2

85--109

Many classical variables (statistics) are selfdecomposable. They admit the random integral representations via Levy processes. In this note are given formulas for their background driving distribution functions (BDDF). This may be used for a simulation of those variables. Among the examples discussed are: gamma variables, hyperbolic characteristic functions, Student t-distributions, stochastic area under planar Brownian motions, inverse Gaussian variable, logistic distributions, non-central chi-square, Bessel densities and Fisher z-distributions. Found representations might be of use in statistical applications.

Wiele klasycznych modeli probabilistycznych opiera sie o zmienne losowe samorozkładalne. Maja one losowe reprezentacje całkowe oparte o procesy Lévy’ego. W tej notatce podano wzory dla ich kierujących (generujących) dystrybuant. Takich reprezentacji można używać do symulacji tych zmiennych. Wśród omawianych przykładów są: rozkłady t-Studenta, pole stochastyczne pod planarnymi ruchami Browna, odwrotny rozkład Gaussa, rozkłady logistyczne, niecentralny rozkład chi-kwadrat, rozkład Bessela i rozkłady statystyk Z-Fishera. Podane reprezentację mogą być przydatne w statystyce.

On shrinkage estimators improving the positive part of James-Stein estimator

Hamdaoui Abdenour

Demonstratio Mathematica

2021

Vol. 54, nr 1

462--473

In this work, we study the estimation of the multivariate normal mean by different classes of shrinkage estimators. The risk associated with the quadratic loss function is used to compare two estimators. We start by considering a class of estimators that dominate the positive part of James-Stein estimator. Then, we treat estimators of polynomial form and prove if we increase the degree of the polynomial we can build a better estimator from the one previously constructed. Furthermore, we discuss the minimaxity property of the considered estimators.