k阶Erlang分布参数单变点的贝叶斯估计

利用贝叶斯方法研究了k阶Erlang分布参数单变点模型,得到该分布的似然函数.利用Fisher信息矩阵选取无信息先验分布,从而得到每个参数的满条件分布.使用Gibbs抽样与M-H算法相结合的MCMC方法对各参数进行随机模拟得到贝叶斯估计.模拟结果表明,各参数的估计值的精度在较高水平上都是有效的.     

左截断右删失数据下Pareto分布形状参数多变点的贝叶斯估计

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.     

Ⅱ型双截尾下逆威布尔分布尺度参数的估计

基于Ⅱ型双截尾样本,通过极大似然法得到了尺度参数极大似然估计的迭代公式.选取尺度参数的先验分布为无信息分布和伽玛分布,分别在平方损失和熵损失下,给出尺度参数的贝叶斯估计.利用Monte-Carlo模拟比较了各种估计的均方误差,结果表明,当选取伽玛先验和熵损失时,参数的贝叶斯估计最优.     

基于单方程计量经济模型的贝叶斯分析

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.     

基于下记录值逆Rayleigh模型的估计及预测

当观测数据是下记录值时,利用经典方法讨论了逆Rayleigh分布未知参数的极大似然估计和一致最小方差无偏估计,进而得到了可靠度及失效率的极大似然估计．取未知参数的先验分布为Gamma分布,在平方损失函数下讨论了逆Rayleigh模型的未知参数、概率密度函数、累积分布函数及系统可靠度的Bayes估计,并对元件的剩余寿命进行预测．通过蒙特卡洛模拟研究了估计量的性质,借助数值实验对估计量的值进行计算．     

基于RJMCMC的泊松分布参数多变点检测

首先建立泊松分布参数多变点模型,给出该分布参数多变点的似然函数,探究变点位置参数和分布参数的满条件后验分布。利用可逆跳跃马尔科夫链蒙特卡洛(RJMCMC)算法确定该模型中变点的个数,在变点个数确定的基础上,进一步利用马尔科夫链蒙特卡洛(MCMC)方法中的Gibbs抽样和Metropolis-Hastings算法对参数满条件后验分布进行抽样,利用抽样均值和最大后验法对变点位置参数和分布参数进行估计。仿真结果和美国矿难实例均表明,结合RJMCMC算法和普通MCMC方法对泊松分布序列的变点检测很有效。     

混合双参数指数分布的贝叶斯估计

混合指数分布是寿命数据分析中一个重要分布,其极大似然估计由于似然函数的复杂性而变得很困难.文献[9]应用EM算法研究了混合指数算法讨论了完全数据和截尾数据情形下有限混合双参数指数分布参数分布的参数估计问题,模拟研究表明贝叶斯方法对该模型的参数估计是有效的.     

MA模型阶数在平方损失函数下的贝叶斯估计

从贝叶斯原理出发在假定滑动平均模型阶数q有已知上界,并为离散随机变量,且具有先验分布函数的条件下,讨论了在平方损失下MA模型阶数的贝叶斯估计记为点．     

纵向数据下部分线性模型的经验似然诊断

考虑纵向数据下的部分线性模型,应用经验似然方法对该模型进行统计诊断。给出模型的估计方程,得到模型参数的极大经验似然估计;基于经验似然估计,运用数据删除和局部影响分析两种方法,给出诊断异常点和强影响点的若干统计量;数值模拟验证了上述方法的有效性。     

基于惩罚极大Lq似然的Logistic回归系数的估计及变量选择

极大似然估计是Logistic回归模型的常用参数估计方法,且在一定条件下具有一致性和渐近正态性。但极大似然估计的优良性主要体现在大样本情况,当解释变量具有多重共线性且样本量较小时,为得到更好的拟合效果以及实现参数稀疏化,将极大Lq似然估计与Lasso惩罚结合,得到Lasso极大Lq似然估计。并运用数值模拟对Lasso极大似然估计和Lasso极大Lq似然估计进行比较得到,在样本量较小时,Lasso极大Lq似然估计的表现优于Lasso极大似然估计。     

多维GARCH模型的估计和检验

讨论多维ＧＡＲＣＨ模型的识别及其参数模型的极大似然估计和检验方法。     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中。本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性。     

随机截尾情形下几何分布的参数估计

得到了随机截尾情形下几何分布参数的最大似然估计和近似置信区间,并且求出了平均寿命极大似然估计的数学期望和方差.     

基于多源数据融合Bayes修正的可靠性综合评估模型

基于Bayes统计理论,融合同类产品的加速退化试验信息和待估产品工作环境中的正常退化信息,进行信息融合可靠性综合评估。针对性能退化过程服从Gamma过程的产品,考虑个体退化之间的差异,将Gamma过程参数进行随机化处理;考虑正常工作环境与加速试验工况的外载环境差异,建立带有修正系数的广义寿命-应力响应Bayes可靠性模型;根据正常退化和加速退化数据,利用加速模型,折算出各未知参数先验分布的数据样本,采用A-D检验法及极大似然估计确定参数集的先验分布;采用MCMC方法求解各分布参数的后验均值以及后验概率密度曲线。通过算例验证了该类模型的可行性和有效性。     

基于股票财务数据的贝叶斯网络的参数学习

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.     

定时截尾情形下指数分布参数的估计

本文给出了定时截尾情形下指数分布的参数极大似然估计,证明了极大似然估计的强相合性质以及进一步的渐近正态性质.其结果对于其它的总体分布的参数估计具有普遍的现实意义.     

一类均匀分布参数的极大似然估计及优良性

该文讨论了U[-θ，0]上参数θ的极大似然估计及修正后的极大似然估计的均方误差和相合性，并进一步证明了修正后的极大似然估计还是参数θ的UMVUE．     

锥序约束下两个指数总体均值的估计

讨论样本容量相等时，在锥序约束aλ1≤λ2≤α2λ1条件下，两个指数总体均值λi(i=1,2)的估计量，证明约束极大似然估计λi具比经典极大似然估计Xi更小的均方误差，并且讨论λi对Xi 的功效e(λi,Xi),i=1,2。     

纵向数据的稳健估计及案例分析

纵向数据是对一组观测个体按时间或空间顺序重复跟踪监测而得，即对每一个体在不同时间或不同实验条件下进行多次测量，而多次重复观测之间一般具有相关性，会影响对应估计的准确性.研究一般线性模型下纵向数据的理论推导和实例分析，发现模型的最小二乘估计、极大似然估计以及约束极大似然估计的参数估计结果差别不大甚至基本相等，验证了纵向数据估计的稳健性.     

极大似然估计不变性的拓展

桌一参数估计是否是"最优"估计,通常要从一致性、无偏性、有效性、不变性等方面进行讨论,进而通过实际的观察对其进行数据拟合,分析其相对于实际模型的偏差程度.针对参数估计评选标准中的不变性进行了进一步的探讨.根据参数极大似然估计不变性原则,给出在一定条件下极大似然估计具有不变性的充分必要条件,并利用该结论计算了二元正态分布Z=(X,Y)的未知参数σ2和p的极大似然估计值.