首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
讨论数据对混合估计的影响问题。建立了几个影响度量,用它们研究了数据对混合估计的影响大小,并找到了它们与相关系数之间的联系。  相似文献   

3.
文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。  相似文献   

4.
数据对线性模型的最小二乘估计的影响已有许多研究,但数据对岭估计的影响很少有人研究.吴诗泳和岳珠( 工程数学学报,1989 ,6(1) :115 ~119 .) 研究了剔除一组数据对岭估计的影响.在此,我们继续讨论数据对岭估计的影响,找到了影响度量与相关系数之间的联系,得到了一些有意义的结果.  相似文献   

5.
设(X,)是二维随机向量,参数有未知的先验分布G,如何利用样本X1,X2,……,Xn来估计是一个很有意义的问题,文章在已知G的一阶和二阶矩条件下给出了的线性贝叶斯估计,并讨论了其大样本性质。  相似文献   

6.
分析和探讨了经典估计和贝叶斯估计的异同,并结合一个实例对两种估计进行比较,从而得到两种估计思想统一于贝叶斯定理,并在特定场合下相互等价的结论。  相似文献   

7.
分析和探讨了经典估计和贝叶斯估计的异同 ,并结合一个实例对两种估计进行比较 ,从而得到两种估计思想统一于贝叶斯定理 ,并在特定场合下相互等价的结论  相似文献   

8.
二项分布的经验贝叶斯估计及应用   总被引:6,自引:0,他引:6  
讨论了二项分布的经验贝叶斯估计。对用共轭分布β(a,b)作为先验分布可能出现的问题,提出了用另外一种先验分布来解决的方法,并给了其在可靠性增长试验中的应用。  相似文献   

9.
用贝叶斯方法解决圆相邻角已知的情况下的参数估计,并得出圆半径的后验分布和置信区间。  相似文献   

10.
本文用W-K统计量探测数据集对Minimax线性估计影响的大小.建立了它与广义相关系数的联系。  相似文献   

11.
模式分类旨在依据识别对象特征的观察值将其归并至某个类别,贝叶斯分类决策可实现模式分类.给出一类遵从特征观察量独立性假设的贝叶斯分类器即朴素贝叶斯分类器设计.并给出朴素贝叶斯分类器的分类误差估计方法.理论分析与实验结果表明,朴素贝叶斯分类器设计方案可行,且其分类误差估计方法有效,可用于模式分类事务处理.  相似文献   

12.
13.
 在均方误差的条件下,系统地研究了非线形模型方差的贝叶斯估计,提出了共轭和无先验信息的最佳贝叶斯估计和最佳无偏贝叶斯估计以及方差的最佳条件无偏贝叶斯估计.还提出了带有共轭和无先验信息的方差的极大后验估计,最后用一个简单的例子来说明上述结论的可行性.  相似文献   

14.
讨论了作为狄利克雷分布推广的Liouville分布对于多项分布抽样情形下的贝叶斯估计,并给出了其风险函数在极大似然估计和狄利克雷先验分布下贝叶期估计风险函数的比较。  相似文献   

15.
本文用W-K统计量探测数据集对Minimax线性估计影响的大小,建立了它与广义相关系数的联系。  相似文献   

16.
研究了在先验分布为贝塔分布下,负二项分布未知参数θ的贝叶斯区间估计方法。借助Beta分布与F分布的关系给出了参数θ的一般后验区间估计,并给出了参数θ的最短后验区间估计的条件极值解法。通过对参数取值不同的密度曲线形状的讨论分析和数值实例对比,得出结论:在小样本情况下,最短置信区间估计方法值得采用。  相似文献   

17.
基于贝叶斯网络的态势估计模型研究   总被引:1,自引:0,他引:1  
介绍了静态贝叶斯网络模型在态势估计中的具体应用和算法实现,重点分析了态势估计中的态势、事件关系抽象为贝叶斯网络后,态势-态势连接、事件-事件连接、态势-事件连接在贝叶斯网络中的推理过程,最终建立了态势估计的具体模型。  相似文献   

18.
介绍了一类在固定人口条件下的标准流行病的随机模型,讨论了该模型的解及其性质,进一步对其参数进行了贝叶斯估计,对其先验分布的超参数也给出了确定的方法.  相似文献   

19.
在样本量较小的情况下,可以采用重抽样方法一bootstrap方法进行参数估计,本文将bayes方法与bootstrap方法相结合,进行基于bootstrap思想的bayes估计。主要列出的是当样本服从正态分布的基于bootstrap思想的bayes估计。  相似文献   

20.
线性指数分布参数的经验贝叶斯估计   总被引:2,自引:0,他引:2  
对线性指数分布在平方损失下获得了参数的贝叶斯估计,并构造了相应的经验贝叶斯估计,证明了所提出的经验贝叶斯估计是渐近最优的且有收敛速度O(n^-q),其中q=(s-1)(λs-1)/[s(2s+1)],1/2〈λ〈1—1/(2s),s≥2是一给定的整数.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号