数理统计中有Bayes学派和经典学派，Bayes分析与经典统计学的差别在于是否使用先验信息（经验与历史资料）。经验贝叶斯主要包括参数经验贝叶斯和非参数经验贝叶斯，参数经验贝叶斯假设参数的先验属于某一有未知超参数的分布类，估计出超参数的估计值，从而得到参数的先验分布的估计，这样的处理方式使得经验贝叶斯能够得到性质良好的结果。论文主要工作有以下几方面：首先，将平衡损失函数下的Bayes估计的研究推广到加权平衡损失下的Bayes估计。分别得出了先验分布为Gamma分布条件下Pareto分布与逆高斯分布分布在加权平衡损失函数下的Bayes估计量，以及先验分布为Beta分布条件下巴斯卡分布在加权平衡损失函数下的Bayes估计量，证明了在选定q (θ)的条件下所得三个估计量的容许性。其次，对新的Bayes估计进行了分析，将其应用在Pareto分布、巴斯卡分布中，并根据这两种分布的特性分别给出了比较合适的超先验分布，为E Bayes估计和多层Bayes估计提供了依据。最后,利用新定义的Bayes估计及已选定的超先验分布，分别得出了Pareto分布、巴斯卡分布的E Bayes估计量和多层Bayes估计量，增加所得估计量的拟合优良性。