基于全基因组选择的长牡蛎肥满度分布参数预测方法

全基因组选择是一种用于改良动植物育种群体中数量性状的方法,通过使用覆盖整个基因组的分子标记信息对复杂性状进行预测,从而帮助筛选出更适合培育的亲本.基于长牡蛎的单核苷酸多态性(SNP)位点信息,提出了一种预测长牡蛎肥满度分布参数的全基因组选择的新方法.首先,采用一种基于不同评价准则的二次特征选择方法,挑选与肥满度相关性较高的SNP位点;其次,利用所挑选的SNP位点信息构建具有正则化项的高斯通用加性模型对每个长牡蛎样本肥满度分布参数进行预测;最后,在长牡蛎数据上将所提方法和一些现有方法进行了验证比较.实验结果表明,所提方法具有更好的拟合精度和更低的均方误差,并能对样本性状稳定性进行有效的评估.     

基于上记录值Lomax分布的统计推断

基于上记录值，该文讨论了在Lomax分布总体中未知参数、系统可靠度及失效率的极大似然估计，并利用中心极限定理得到了模型参数的近似置信区间.首先，当2个参数的先验分布为混合分布时，在2种损失函数下计算了未知参数及可靠性指标的Bayes估计，并给出了超参数的估计方法；然后，分别用频率方法和Bayes方法对未来的上记录值进行预测；最后，提出了一种模拟上记录值的算法，利用模拟的记录值计算了相关的结果.     

青海云杉自由授粉家系遗传变异与基于BLUP的改良代亲本选择

【目的】最佳线性无偏预测(BLUP)方法是对遗传种质在不平衡环境下利用混合线性模型方程对育种值进行无偏预测,可有效估算与剔除环境效应,反映真实遗传效应,有较高精确性。应用BLUP方法估算育种值用于改良代亲本选择,对于青海云杉的遗传改良具有积极的参考价值。【方法】本研究在对13 a和14 a的两批青海云杉种子园自由授粉子代测定林的树高遗传分析基础上,利用BLUP方法,通过构建亲缘关系矩阵,对树高育种值进行估测。【结果】结果表明家系及家系和区组互作效应显著影响树高。两批青海云杉种子园自由授粉子代树高的家系遗传力分别为0.17和0.36,单株遗传力均为0.07。基于混合线性模型的BLUP方法估算家系亲本无性系树高育种值和真实树高、单株树高预测值和真实值均具有极显著相关关系,相关系数分别为0.99和0.86。根据家系亲本无性系育种值选出20个优良家系,根据优良家系后向选择母本无性系建立改良种子园的树高现实遗传增益分别为36%和26%。根据单株树高育种值采用配合选择方法从两批家系试验林各选出20个改良代优树,根据前向选择子代优良单株的树高预期遗传增益分别为7.6%和7.9%。【结论】对比后向选择和前向选择树高的遗传增益发现,青海云杉高世代育种中可优先后向选择,选择优良家系母本无性系建立1.5代改良代种子园。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题.首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计.最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验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估计和经验Bayes 估计较传统的最大似然估计好.     

基于JMP软件的Lasso及岭回归在水稻全基因组预测中的应用

全基因组选择是21世纪动植物育种的一种重要的选择策略,其核心就是全基因组预测,即基于分布在整个基因组上的多样性分子标记来对育种值进行预测,为个体的选择提供依据.但目前提出的大多数全基因组预测方法都涉及到相当复杂的算法并要求使用者具备熟练的编程能力,因此很少在实际育种中得到有效的应用.对统计软件JMP在水稻全基因组预测中的应用做了探索研究,利用其中的两种正则化回归方法(Lasso和岭回归)预测产量及其相关性状的育种值,结果表明两种方法对这些性状均有较好的预测效果,但Lasso优于岭回归,预测效果因性状不同也有差异,4个性状预测效果的次序为:千粒重分蘖数单株谷粒数产量.鉴于JMP软件的强大的分析能力、友好的用户界面和可操作性,本研究的结果可以为育种工作者在选择应用全基因组预测的分析工具方面提供较好的参考.     

双边定数截尾下Topp-Leone分布的Bayes估计与预测

在双边定数截尾样本下得到了Topp-Leone分布中参数的极大似然估计.基于无信息先验分布和Gamma先验分布,在平方损失和预防损失下分别得到了参数的Bayes估计.根据后验密度函数得到了未知参数的Bayes可信区间和未来观测值的预测密度,进而可得预测值和预测区间.利用Monte-Carlo模拟计算了参数的各种估计的均...     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数(GE)分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验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估计和经验Bayes估计较传统的最大似然估计好。     

参数在线学习的动态贝叶斯网络态势估计算法

为快速实现对战场态势的精确估计,提出了参数在线学习的动态贝叶斯网络方法:在基于专家知识确定的动态贝叶斯网络结构模型基础上,用前向递归方法对网络模型的参数进行估计.针对战场态势模型的观测值具有小样本的特性,以狄利克雷分布作为样本的先验分布,采用矩估计法对先验分布的超参数进行估计,以该先验分布的等价样本与观测值实现对网络参数的学习和对战场态势的估计.仿真实验结果表明,应用该方法实现态势估计具有较高的实时性和准确性.     

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.     

考虑随机退化和信息融合的剩余寿命预测方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合产品现场实测性能退化数据与同类产品常规退化试验信息、历史寿命信息的个体剩余寿命预测方法.建立了基于Wiener过程的产品剩余寿命模型;考虑到个体之间的性能退化差异性,假定Wiener过程参数服从随机分布模型,建立了个体现场实测退化数据下分布参数的贝叶斯估计模型,给出了超参数后验估计公式;分别建立了退化数据和寿命数据下的完全似然函数,构建了基于最大期望算法的超参数先验估计模型;通过实例分析验证了所提方法的正确性和优势,结果表明本方法可有效处理个体现场实测退化信息与同类产品先验信息之间的剩余寿命预测问题.     

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T相似文献   

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.     

逐步Ⅱ型删失数据下广义指数分布形状参数估计

该文研究了在逐步Ⅱ型删失数据下,广义指数分布形状参数的E-Bayes估计,在损失函数为平方损失的情况下,分别给出了三种超参数先验分布的E-Bayes估计表达式.运用R软件中的mcmc程序包进行数值模拟,模拟结果表明,估计效果比较稳健,在相同的样本量下估计值的大小顺序为:■,第三种超先验的估计效果最好.     

空间自回归模型中系数变量及误差项的贝叶斯估计

文章基于长三角地区26个城市10年间的空间面板数据,通过建立空间自回归模型,针对似然函数的复杂情况,分别采用马尔科夫链蒙特卡洛方法和近似贝叶斯计算进行贝叶斯推断。数值结果表明,服务业集聚度以及固定资产投资对于地区生产总值影响最大。通过比较两类方法的估计结果发现:马尔科夫链蒙特卡洛方法虽依赖于似然的核函数,对于先验超参数的设定更为敏感,且要求控制采样样本的自相关性,但可以高效地估计参数;而近似贝叶斯计算方法能够避免求解似然函数,对先验超参数的设定更稳固,同时也能有效地估计参数。     

基于gBLUP方法及Cross-validation大豆表型精准预测研究

为了实现提高产量和抵抗病害等能力的目的,需要提高育种水平,通过设计交差验证(Cross-Validation)实验进行大豆基因型和表型数据的分组处理,根据数据的个体和mark的数量进行合理分配,采用gBLUP(genomic Best Linear Unbiased Prediction)方法进行表型预测。根据对大豆数据多个性状通过不同分组的对比来得到精确值的范围,为后续的育种分析提供依据。对于只有大豆基因型数据而没有表型数据的情况,需要模拟表型,根据设定遗传力和模拟位点的个数(NQTN)进行模拟,然后再进行不同分组获取精准值,这样扩大了大豆数据的预测灵活性。     

基于记录值的GE分布参数的Bayes和经验Bayes估计

针对来自广义指数（GE）分布的记录值样本,研究了广义指数分布的参数的估计问题。首先给出了参数的最大似然估计;在参数的共轭先验分布为贝塔先验分布,损失函数为平方误差损失和LINEX损失函数情形下,导出了广义指数分布参数的Bayes和经验Bayes估计。最后进行了Monte Carlo数值模拟,对本文提出的几种参数估计进行比较,发现在合适的先验分布条件下Bayes和经验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估计和经验Bayes估计较传统的最大似然估计好。
     

用BLUP法和主成分分析法估计夏南牛育种值的研究

用单性状动物模型BLUP法估计了夏南牛种公牛18月龄体高、体长、胸围、后腿围和管围5项体尺性状的育种值.在此基础上利用主成分分析法对种公牛5项体尺指标的综合育种值进行了排序.结果表明:213号公牛除胸围育种值不在前10位外,其余几项指标育种值均在前2位;104号公牛除体长育种值不在前10位外,其余几项指标育种值均在前2位;213,104,248号3头公牛各性状的育种值均排在前10位;综合育种值排名前10位的种公牛从大到小排名顺序为213,104,286,201,103,266,248,278,1516,0007.     

不同先验分布下三阶Erlang分布参数的Bayes估计

在定数截尾场合下,分别取共轭先验,Jeffreys先验和无信息先验,给出了三阶Erlang分布参数的Bayes点估计和区间估计,用极大似然法得到超参数的估计,通过随机模拟得到参数估计的均值和均方误差.最后通过模拟得到该分布的一组随机样本并给出不同截尾样本下的参数的3种点估计和区间估计.     

多级评分的Bayes估计

对多级评分的测验题型,给出了其Bayes模型,把先验分布从无信息先验推广到了更一般的Dirichlet先验分布情形,求出了参数的Bayes估计,指出了其意义,并在不同样本条件下给出了先验分布超参数的估计.     

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。