基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题，类似于从参数空间中估计一个恰当参数的问题．基于这一观点，利用贝叶斯分析的后验分布理论，先求出参数的后验分布，再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验，从而建立了一个基于参数的后验分布的先验选择方法，它是ML-Ⅱ先验的一个拓广．     

贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

岩土工程参数Bayes法推断中先验与后验样本大小的探讨

岩土力学参数Bayes统计推断存在验前和后验样本信息问题.在解决工程问题时,先验与后验分布信息的获取是靠样本容量的大小确定,而获取样本信息是要付出工程费用的.为了探讨岩土参数Bayes法推断中先验与后验样本的取值大小,采用贝叶斯推断简化方法,通过对某工程的岩土力学参数分析,得到先验样本数为30~35个和后验样本数不少于4个时,计算出的统计参数均值与方差的误差最小.本文的研究为岩土工程力学参数概率统计样本大小的确定提供了参考.     

增长曲线模型关于共轭先验的BAYES分析

从贝叶斯观点利用共轭先验考查了增长曲线模型。得到了参数τ和协方∑的边缘后验分布，并在此基础上给出τ的后验估计、估计域和∑的后验估计。     

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.     

ε-代换类先验分布族的贝叶斯稳健性分析

对ε-代换类:Γ={π:π=(1-ε)π0+εq,q∈D(0≤ε≤1)的贝叶斯稳健性进行分析,π0是选定的先验分布,D为分布集.首先讨论了分布集D的选择对后验稳健性的影响.其次讨论了当D的选择合理时,ML-Ⅱ估计■是后验稳健的,并以■为先验分布,分别对正态分布进行稳健贝叶斯分析.     

方差已知条件下平稳AR模型的贝叶斯分析

当方差已知时,分别对无信息先验和共轭先验条件下的平稳AR(p)模型进行了贝叶斯分析,并给出了平稳AR(1)模型回归系数的贝叶斯估计和预报分布的解析式.结果表明,两种先验分布下,回归系数的后验分布均服从平稳域内的截断正态分布.无信息先验分布下,后验均值与经典OLS估计值一致;在共轭先验分布下,后验均值是先验均值和经典OLS估计值的加权平均.     

贝叶斯理论在红粘土地基沉降中的应用

通过对实测样本进行直方图分析和假设检验,得到样本的概率分布,结合先验分布,基于贝叶斯方法得到沉降修正系数的后验分布,对传统的沉降修正系数进行优化.实例分析结果表明:当先验分布为无信息分布时,其后验分布受样本信息的影响较大;当样本信息服从高斯分布时,其后验分布也服从参数为μ和σ的高斯分布,μ值随外荷载增大而减小,σ值呈无明显规律变化;通过贝叶斯方法的优化,修正经验系数考虑了荷载的影响,并且取值的区间明显缩小.     

基于Horseshoe+先验的惩罚置信区域变量选择方法

针对高维稀疏线性回归问题,相关变量的数量远远少于不相关变量.相关变量的变量选择问题对于传统的频率论正则化方法是一大挑战.现有的贝叶斯惩罚置信区域法通过将模型拟合与变量选择分离,在联合后验置信区域内搜索最稀疏解,从而得到稀疏模型解.且该方法在高维变量选择效果上优于常用的变量选择方法.在此基础上,针对高维稀疏模型,将原方法中依赖的共轭正态先验替换成针对"稀疏信号勘测问题"提出的Horseshoe+先验,利用Horseshoe+先验对小系数"重"压缩与大系数几乎零压缩的理论特性,实现对稀疏回归系数的稳健估计.通过数据仿真模拟不同稀疏程度下的高维稀疏线性回归,并将基于Horseshoe+先验的惩罚置信区域法分别与基于正态先验以及Laplace先验的该方法进行比较,结果表明基于Horseshoe+先验的惩罚置信区域法在高维稀疏线性回归问题具有更好的变量选择效果与预测效果.     

POISSON分布无失效的BAYES可靠性验证试验

为了确定产品的可靠性特征量是否达到所要求的水平，需要进行可靠性验证试验，而古典的统计抽样检验往往耗费大量的人力、物力、财力，鉴于此，合理地利用先验信息，运用BAYES方法，能极大地缩短验证试验时间，对长寿命、高可靠性产品，在做定时截尾试验时，往往无一失效，对于这一情况，文中对POISSON分布利用BAYER方法作了进一步研究。     

(x1,x2,x3)～M(n;P1,P2,P3)的BAYES检验

设（x1,x2,x3）服从参数为（P1，P2，P3）的多项分布，在使用Bayes方法时，我们选择先验分布为无信息先验，从而求出每个假设的后验概率．     

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。     

有预报的贝叶斯决策分析

利用贝叶斯定理可以通过预报所增加的信息来改善状态的先验概率分布，使决策者能利用更多的信息来作出最优决策。     

用于预测的贝叶斯网络

通过示例给出了贝叶斯网络的构造方法，概括了贝叶斯网络的特点及贝叶斯网络学习的内容与过程，同时给出了离散型贝叶斯网络的预测公式。贝叶斯网络学习主要有三个基本环节，其一是确定变量集和变量域；其二是确定贝叶斯网络结构；其三是确定局部概率分布。贝叶斯网络是描述变量之间定性与定量依赖关系的图形模式，是进行数据联合分析与预测的有力工具。     

贝叶斯方法在会计决策中的应用

在会计决策分析中所采用的先验概率通常由会计人员的主观判断来确定，使用贝叶斯方法能够对其进行修正，使之更加符合实际。本文将贝叶斯方法和决策论相结合，能够使会计人员取得一个期望成本最小化的最优决策。     

非线性Bayes动态模型的研究

对正态误差下的非线性Bayes动态模型进行了处理．对模型分观测误差已知和未知常数两种情况进行了研究，利用Taylor展开来近似参数分布，并引入E—M算法，完成了模型的修正、递推。     

Bayes决策理论用于模式识别分类问题的进一步探讨

给出2种Bayes决策分类方法,分别设计出了相应的分类器,最后通过一实例,对2种方法进行了比较与分析.