共查询到10条相似文献,搜索用时 309 毫秒
1.
通过添加缺损的寿命变量数据得到了左截断右删失数据下Pareto分布相对简单的似然函数,给出了形状参数变点位置和其他参数的满条件分布.利用MCMC方法对参数的满条件分布进行了抽样,把Gibbs样本的均值作为参数的贝叶斯估计.随机模拟的结果表明各参数贝叶斯估计的精度都较高. 相似文献
2.
3.
研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析. 相似文献
4.
5.
针对数据呈现偏态分布且存在变点的情况,构建对数正态分布的单均值变点模型,给出分布的均值单变点模型的似然函数,并采用极大似然方法和贝叶斯方法对变点位置进行识别和估计.通过模拟比较研究,这两种方法都能有效地估计变点位置,在标准差和相对误差准则下,贝叶斯方法比极大似然方法效果更理想.其中共轭先验分布下的贝叶斯方法较无信息先验下的贝叶斯方法识别和估计变点位置表现更优. 相似文献
6.
在MLINEX损失函数下,利用Bayes估计的方法研究了k阶Erlang分布参数的Bayes估计,并证明其容许性.给出了在MLINEX损失下得到了k阶Erlang分布参数的Bayes估计的精确表达式,并且通过随机模拟检验参数Bayes估计的合理性和优良性. 相似文献
7.
《黑龙江大学自然科学学报》2017,(1)
马尔科夫链蒙特卡洛方法(MCMC)是一种启发式的全局寻优算法。在贝叶斯框架下,给出利用MCMC方法求解Fisher方程参数识别反问题的一种新方法。该方法把参数识别反问题视为贝叶斯估计问题,利用基于自适应Metropolis算法和延迟拒绝算法的一种有效的自适应MCMC方法,得到大量来自后验概率的样本,不仅能够获得每个未知参数的估计值,还可以获得与之相关的各种不确定信息。数值试验结果表明,该方法具有精度高、收敛速度快且易于计算机实现等优点。 相似文献
8.
9.
研究了关于单方程计量经济模型的贝叶斯统计推断问题,即根据样本似然函数的形式构造出未知参数的先验分布,选取正态-Gamma分布为先验分布,对后验分布进行统计推断.最后推导了未知参数在二次损失函数下的贝叶斯估计. 相似文献