负二项分布下参数的方差一致最小无偏估计及贝叶斯估计

本文利用充分完全统计量,给出了负二项分布下,总体均值μ和参数P的方差一致最小的无偏估计(UMVUE),特别当r=1时,给出了方差σ2的UMVUE,然后,再利用共轭先验分布给出参数P的贝叶斯估计,并在特殊情形下,对两种估计进行了比较。     

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.     

广义帕累托分布的应力-强度可靠性的贝叶斯估计

基于不同形状参数的广义帕累托分布,讨论应力-强度参数的贝叶斯估计.通过模拟得出在平方损失函数和0-1损失函数下的贝叶斯估计值比较相近;有先验信息条件下的贝叶斯估计的均方误差值低于无信息先验条件下的贝叶斯估计的均方误差值.     

正态总体误差方差的经验Bayes估计及其优良性

对正态总体误差方差在共轭先验分布和加权平方损失下导出了其Bayes估计,构造了其参数型经验Bayes(PEB)估计,研究了其在均方误差(MSE)准则下相对于一致最小方差无偏估计(UMVUE)的优良性.当先验分布中的超参数完全未知时,通过数值模拟比较了PEB估计和UMVUE的均方误差,获得了PEB估计的优良性.     

扩展线性支出系统的贝叶斯估计--Gibbs抽样算法的一个应用

研究了线性支出系统的贝叶斯估计,提出了似然函数的三种等价形式,在条件共轭先验的假设下,推导了该系统贝叶斯估计的Gibbs抽样器,并用我国1999年城镇居民家庭支出数据进行了计算.     

对数正态参数估计的损失函数和风险函数的Bayes推断

方差已知时,给出共轭先验分布为正态分布下,对数正态分布的损失函数和风险函数的Bayes估计,得到其Bayes估计为保守估计的条件.     

奇异线性模型下最小范数二次无偏估计关于误差分布的稳健性

讨论奇异线性模型下方差σ2的最小范数二次无偏估计关于误差分布的稳健性问题,得到方差的最小范数二次无偏估计保持最优的误差项的最大分布类.进一步考虑可估计函数Xβ的最佳线性无偏估计的稳健性,得到了Xβ的最佳线性无偏估计与方差σ2的最小范数二次无偏估计同时最优的误差项的最大类.     

缺失数据场合泊松分布参数的贝叶斯估计

本文给出了缺失数据场合泊松分布参数的经验贝叶斯估计、无信息先验下的贝叶斯估计且基于贝叶斯风险进行了比较.     

对数伽玛分布变点模型的估计

对数伽玛分布尺度参数存在变点时的参数估计问题,给出了对数伽玛分布的单变点模型,分别就模型的极大似然估计和贝叶斯估计进行探讨,并用MATLAB软件进行数值模拟.结果表明,在共轭先验分布下单变点对数伽玛分布的贝叶斯估计是最优的.     

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.     

Bayesian方法的计算学习机制和问题求解

从信息熵的角度讨论了无信息先验分布的Bayesian假设的合理性 ,着重分析了贝叶斯方法的计算学习机制 ,得出贝叶斯定理是将先验分布中的期望值与样本均值按各自的精度进行加权平均 ,精度越高者其权值越大 ,合理地综合了先验信息和后验信息。在共轭先验分布的前提下 ,可以将后验信息作为新的一轮计算的先验 ,用 Bayesian定理与进一步得到的样本信息进行综合。多次重复这个过程后 ,样本信息的影响越来越显著。因此 ,合理正确地指派先验分布对提高学习的效率和质量有重要意义。 Bayesian方法既可避免只使用先验信息可能带来的主观偏见 ,和缺乏样本信息时的大量盲目搜索 ,也可避免只使用后验信息带来的噪音的影响。因此 ,适用于具有概率统计特征的数据采掘和知识发现问题 ,尤其是样本难得或代价昂贵的问题。     

关于三参数Pareto分布的参数估计问题

在逐步增加首失效截尾样本下,研究三参数Pareto分布族形状参数的一致最小方差无偏估计(UMVUE),在对称平方损失函数下,讨论其Bayes估计和参数型经验Bayes(PEB)估计;按照均方误差(MSE)准则,比较UMVUE与PEB估计的小样本性质;根据形状参数的风险,导出其Bayes估计与PEB估计的大样本性质,并获得它们的收敛速度o(n-1)。     

分布式监测系统可靠性贝叶斯评估

以贝叶斯理论为依据,考虑元件可靠性评估不确定性的影响,建立分布式监测系统的系统可靠性评估方法.在单个元件存活率服从二项分布的前提下,用元件可靠度评估的高阶矩计算系统可靠度评估方差与置信区间,利用贝叶斯方法进行元件可靠度评估和系统可靠度置信区间分析.通过一个实例进行计算与分析,表明该方法在监测系统可靠性设计与评估方面有一定实用价值.     

An extended nonlinear state predictor for a class of nonlinear time delay systems

An extended nonlinear state predictor (ENSP) for a class of nonlinear systems with input time delay is proposed. Based on the extended Kalman filter (EKF), the ENSP first estimates the current states according to the previous estimations and estimation errors, next calculates the future state values via the system model, and then adjusts the values based on the current errors. After a state predictive algorithm for a class of linear systems is presented, it is extended to a class of nonlinear time delay systems and the detailed ENSP algorithm is further proposed. Finally, computer simulations with the nonlinear example are presented, which demonstrates that the proposed ENSP can effectively and accurately predict the future states for a class of nonlinear time-delay systems no matter whether the state variables change quickly or slowly.     

线性限制下联立方程组模型的可识别性与参数估计

给出了带线性方程间限制的联立方程组模型的可识别定义及间接最小二乘估计量、两步最小二乘估计量、三步最小二乘估计量的解析表达式．进一步在可以理解的条件下证明了这些估计量的一相合性和渐近正态性．随机模拟的例子表明这些方法中三步最小二乘估计是最好的．     

正态-逆Gamma先验下线性模型中回归系数和误差方差Bayes估计的改进

在正态 逆Gamma先验下, 研究线性模型中回归系数和误差方差Bayes估计的优良性, 改进了已有的结果, 去掉了附加条件. 在Pitman准则下, 证明回归系数的Bayes估计优于最小二乘估计(LSE), 并讨论误差方差的Bayes估计在均方误差准则下相对于LSE的优良性. 最后进行Monte Carlo模拟研究, 进一步验证了理论结果.     

加速寿命试验Bayes方法的一个注记

本文在失效分布未知条件下,使用Bayes方法在先验分布取为负对数Gamma分布的情况下,首先给出各种应力水平下平均失效率的估计,然后利用这些估计值给出加速寿命模型,从而得到正常应力下的平均失效率估计。本文最后通过一个数值例子,详细地叙述了使用这种方法的全过程。     

左截断右删失数据下指数分布参数多变点的贝叶斯估计

主要利用MCMC方法研究了左截断右删失数据下指数分布多变点模型的参数估计问题.通过筛选法和逆变换法得到了指数分布的完全数据,在获得各参数的满条件分布后,利用MCMC方法得到了Gibbs样本,把Gibbs样本的均值作为各参数的估计.随机模拟的结果表明各参数估计的精度都较高.     

基于改进 BVAR 模型和 MS-VECM 模型的能源消费分析

针对向量自回归模型(VAR)的高维估计问题,结合贝叶斯理论提出了一种融合正态-逆 Wishart 共轭先验 分布的估计方法。 在该估计方法中,所提出的模型引入 Metropolis-Hastings(MH)算法,从以往数据集中确定先验分 布超参数,并通过设定与模型尺寸相关的收缩系数从而进行估计。 与传统 VAR 模型相比,基于贝叶斯理论的估计 方法可在保留相关样本信息的同时控制过度拟合,具有较好的稳健性和有效性。 此外,在改进的 BVAR 模型基础 上,结合区制转移技术与误差修正模型提出了 MS-BVECM 模型,该模型能够有效分析经济周期内各变量之间长期 与短期均衡状态变化,当短期内经济变量受到波动而与长期均衡状态发生偏离时,误差修正模型机制会使其逐渐 重新回到长期均衡状态,以保证模型的稳健性。 最后,以重庆市为例,利用所提模型对其能源消费、产业结构升级和经济增长的动态关系进行了分析与预测并提供了可行建议。     

联合最大似然贝叶斯信道估计

在高信噪比情况下统计贝叶斯估计是一种有效的信道估计方法,但是在低信噪比时由于噪声估计不准确,其性能逐渐下降.研究了基于鲁棒的非线性降噪方法,提出了一个简化的联合最大似然贝叶斯信道估计.计算机仿真结果和分析表明这种方法在较高和较低的信噪比情况下,提高了信道估计和联合检测的性能.