基于正态-混合对数正态共轭先验下时序趋势项的贝叶斯推断

系统地分析了AR(p)误差项的时间序列模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合对数正态共轭先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

多重线性回归模型系统的贝叶斯预报分析

指出多重线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分．通过模型系统的统计结构,证明了矩阵正态-Wishart分布为模型参数的共轭先验分布;利用贝叶斯定理,根据模型的样本似然函数和参数的先验分布推导了参数的后验分布;然后,从数学上严格推断了模型的预报分布密度函数,证明了模型预报分布为矩阵t分布．研究结果表明：由于参数先验分布的作用,样本的预报分布与其原统计分布有着本质性的差异,前者为从矩阵正态分布,而后者为矩阵t分布．     

多方程线性模型系统的贝叶斯预报分析

多方程线性模型系统的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分.作者利用模型系统的统计结构，证明了矩阵正态Wishart分布为模型参数的共轭先验分布. 利用贝叶斯定理，作者根据模型的样本似然函数和参数的先验分布推得了参数的后验分布，然后从数学上严格推断了模型的预报分布密度函数，证明了模型预报分布为矩阵t分布. 研究表明由于参数先验分布的作用，样本的预报分布与其原统计分布有着本质性差异，前者服从矩阵正态分布，而后者服从矩阵t分布.     

二次损失函数下Poisson回归模型中参数的近似Bayes估计

针对Poisson回归模型中当给定参数的先验分布后, 其后验分布的具体形式较难得到的问题, 利用Γ分布的大样本性质, 给出了似然函数的近似形式, 并得到近似的后验分布. 模拟结果表明, 利用这种近似的后验分布进行统计推断, 得到的参数Bayes估计具有较好的稳定性及精度.     

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.     

基于Signature和Ⅱ型双删失系统寿命数据的统计推断

基于Signature理论和方法, 建立Ⅱ型双删失情形下元件寿命的统计推断模型, 用极大似然估计及其渐近理论, 推导出系统元件寿命分布参数的点估计及渐近置信区间估计的解析表达式, 并通过3种优化算法获得相关估计的数值解. 仿真结果表明, 基于Signature的似然函数统计推断模型对Ⅱ型双删失情形下元件寿命的推断有效.     

基于下记录值样本的双参数指数威布尔模型的Bayes估计

针对下记录值样本,研究了双参数指数威布尔模型的参数估计问题.首先给出了参数的极大似然估计,随后在参数的共轭先验分布为伽玛先验分布、损失函数为平方误差损失和Linex损失函数情形下,应用Lindley,近似法导出了双参数指数威布尔模型参数的Bayes估计,最后利用R软件进行数值模拟,并对两种参数估计进行比较,发现在合适的先验分布条件下Bayes估计值更加接近参数真实值.因此,在适当的先验分布下Bayes估计较传统的极大似然估计好.     

平稳自回归模型的调整经验似然置信域

自回归模型在经济学及信息学等领域有广泛应用.其统计推断是统计学研究的重要问题之一.本文主要研究自回归模型的调整经验似然方法 .在Chuang和Chan利用自回归模型的条件最小二乘估计、通过得分函数构造的经验似然比统计量基础上,本文针对经验似然方法可能不存在解的情形构造了调整经验似然统计量,并证明调整后的经验似然比统计量的极限分布服从卡方分布.由此我们可以构造模型参数的调整经验似然置信域（区间）.最后,本文通过数值模拟比较了调整经验似然方法和经验似然方法的性能.结果显示,调整经验似然方法所得的区间估计具有更好的覆盖率.     

基于傅立叶级数的半参数CAViaR模型的贝叶斯分析

针对金融市场复杂性及不确定性,为了更灵活地测度金融市场的波动风险,提出了一类半参数CAViaR模型,利用傅立叶级数拟合前一期信息对当前VaR风险值的非线性影响,选择合适的先验分布,基于非对称Laplace分布构建了相应的似然函数,推导了参数的后验分布,从而实现了对CAViaR模型的贝叶斯推断;最后利用贝叶斯CAViaR模型研究了上海综合指数的风险波动特征,结果发现上证综指的风险波动存在自回归性.     

正态-Wishart先验分布下多重线性回归模型的Bayes估计

该文从多重线性回归模型的基本统计结构出发 ,对其Bayes理论进行了深入的研究。通过对样本似然函数的分解 ,证明当协方差阵未知时 ,正态 -Wishart分布就是模型参数矩阵的共轭先验分布 ;在此先验分布下 ,系数矩阵、精度阵的后验分布分别为矩阵t分布和Wishart分布 ,据此求出了它们各自的Bayes估计     

基于混合先验分布的贝叶斯因子分析模型

针对现有因子分析模型不能充分融合模型参数信息问题,通过研究因子分析模型的统计结构,构造了参数的混合先验分布;利用贝叶斯定理证明了模型因子载荷阵的条件后验分布为矩阵t分布,协方差阵的条件后验分布为逆Wishart分布.实证研究表明:由于参数先验分布的作用,贝叶斯因子分析结果与传统的因子分析之间存在明显的差异.     

艾拉姆咖分布参数多重模糊假设检验的贝叶斯方法

模糊假设检验问题是应用统计推断和统计决策中处理模糊概念的一种比较重要的情形.对于艾拉姆咖分布参数的模糊假设检验问题,本文在特定的损失函数下研究了其贝叶斯解,并给出了数值算例.其中,先验分布考虑了Jeffreys先验和共轭先验.     

误差修正机制转换模型的贝叶斯估计

用贝叶斯估计法来估计误差修正机制转换模型的参数。通过先验分布的设定和贝叶斯定理,求出该模型参数的后验分布,接着使用基于Gibbs抽样的贝叶斯估计技术进行参数估计,最后对贝叶斯估计方法进行统计模拟,模拟结果表明:该方法可以稳健的估计该模型的参数。     

一种综合孔径辐射计贝叶斯反演法

将贝叶斯反演理论应用于综合孔径辐射计图像反演,其基本思想是将亮温分布和可见度视为随机变量,将图像反演转换为贝叶斯推断问题.基于这一思想,分析了亮温分布的先验信息和可见度的统计特性.鉴于热辐射信号具有高斯特性,建立了亮温分布的高斯先验模型,并采用期望最大算法估计该先验模型的未知参数.可见度采用多元高斯随机变量表示,并考虑了可见度的互相关性.贝叶斯反演法能够充分利用可见度和先验信息的统计特性.仿真和实验结果表明:贝叶斯反演法能有效提高综合孔径辐射计的成像性能.     

生产函数模型中参数的Minimax估计及应用

 生产函数模型中参数的估计问题是生产函数建模和统计推断的重要环节,也是用于测算科技进步的重要手段.在实际问题中,由于数据的原因,用传统的最小二乘估计得到的结果与实际解释会产生较大的偏差.文章介绍有效利用先验信息进行模型参数估计的Minimax估计方法,并给出了一种迭代算法,同时通过实例进行了分析和说明.     

基于收缩估计法的广义Pareto分布参数的估计

由于广义Pareto分布在金融和保险等领域的广泛应用,对于该分布的统计推断成为研究的热点.将在参数的先验分布为倒伽玛分布条件下研究广义Pareto分布参数的Bayes估计问题,并在平方误差和LINEX损失函数下,导出了参数的Bayes估计和Bayes收缩估计.文末给出了Monte Carlo数值模拟试验和结论.