贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

基于先验的贝叶斯先验选择方法

在一个参数的可选先验类中选择一个合理的先验问题,类似于从参数空间中估计一个恰当参数的问题.基于这一观点,利用贝叶斯分析的后验分布理论,先得出先验的后验分布计算方法,再根据先验的后验分布确定出合理的先验,从而建立了一个基于先验的贝叶斯先验选择方法,它是ML-Ⅱ先验的一个拓广.     

基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题，类似于从参数空间中估计一个恰当参数的问题．基于这一观点，利用贝叶斯分析的后验分布理论，先求出参数的后验分布，再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验，从而建立了一个基于参数的后验分布的先验选择方法，它是ML-Ⅱ先验的一个拓广．     

指数平均寿命的Bayes估计关于先验分布的稳健分析

讨论了指数平均寿命的Bayes估计及其后验平均损失,关于先验分布的稳健性。本文所考虑的先验分布类是限制了均值和方差的共轭先验分布类。最后,给出了有关结果的数值计算例子。     

SLP问题对先验分布的依赖性

本文在[1]、[2]的基础上，进一步讨论了随机线性规划（SLP）对先验分布的依赖性问题。给出了（SLP）对先验分布不依赖的条件与对先验分布的估计方法。     

贝叶斯决策方法及其应用

风险决策存在于诸多的生产和经济活动中,在制定一项决策之前,应注重其风险分析,合理地将风险中的信息加以利用。根据贝叶斯理论的基本原理,通过一个具体实例,给出了应用贝叶斯理论的步骤和方法。     

基于spike-and-slab先验分布的贝叶斯变量选择方法

针对超高维数据,提出一种基于spike-and-slab先验分布的超高维线性回归模型的贝叶斯变量选择方法。该方法继承了弹性网方法和EM算法的优点,以较快的收敛速度来获得稀疏的预测模型。特别地,针对系数的spike-and-slab先验分布设置上,该方法允许系数从不同坐标借力、自动适应已知数据的稀疏信息以及进行多重调整。通过与常用方法的比较,证明了该方法的准确性和有效性。     

序约束下两样本总体参数的Bayes估计

讨论序约束下两样本总体参数的Bayes估计,给出了先验分布的选取方法,并讨论了总体分布分别为Γ分布、Poisson分布、二项分布时参数的Bayes估计．     

先验分布确定方法的分类研究

先验分布的确定问题是贝叶斯统计学首要的基本问题。根据统计推断所利用的3种信息(先验、总体、样本信息)的不同应用,对常用的先验确定方法进行了一定的分类整理,并提炼了数据控制下的先验这一概念,以区别无信息先验和非主观先验概念。     

时间序列ARMA模型的贝叶斯分析

ARMA模型是时间序列分析中应用比较广泛的一种模型。本文采取贝叶斯估计法估计ARMA模型的各个未知参数,进而利用估计的参数对ARMA模型进行预测,最后对我们采取的贝叶斯估计法进行模拟仿真。     

指数模型贝叶斯评估中的验前分布

研究在指数模型中用贝叶斯方法进行参数评估时验前分布的确定问题。文中分别以均方误差尽量小和Buehler准则作为判别估计量θ优劣的尺度,讨论了验前参数的有关性质并给出了确定验前参数取值适合域的方法。     

POISSON分布无失效的BAYES可靠性验证试验

为了确定产品的可靠性特征量是否达到所要求的水平，需要进行可靠性验证试验，而古典的统计抽样检验往往耗费大量的人力、物力、财力，鉴于此，合理地利用先验信息，运用BAYES方法，能极大地缩短验证试验时间，对长寿命、高可靠性产品，在做定时截尾试验时，往往无一失效，对于这一情况，文中对POISSON分布利用BAYER方法作了进一步研究。     

绝对误差损失下的Bayes估计

本文研究在绝对误差损失下的Bayes估计,并得到一般形式的定理。     

边坡可靠度的Bayes估计及后验稳健性

采用边坡自身的稳定性参数构建似然函数,以研究区内21个极限状态坡的稳定性参数为样本,建立先验分布,应用Bayes理论确定后验分布,应用后验稳健性分析方法对西安咸阳国际机场污水排放口泾阳黄土边坡进行稳定性评价。结果表明:后验分布的均值得到了很好的修正,方差小,精度高;当稳定性评价指标先验分布存在5%、10%和15%波动时,后验期望损失依次增大,但均在20%范围内波动,这表明边坡可靠度的Bayes估计法具有很好的稳健性,可对边坡的稳定性进行更为精确地评价。     

增长曲线模型关于共轭先验的BAYES分析

从贝叶斯观点利用共轭先验考查了增长曲线模型。得到了参数τ和协方∑的边缘后验分布，并在此基础上给出τ的后验估计、估计域和∑的后验估计。     

多源验前信息下先验分布的融合方法

在产品的寿命试验中,有时不可能获得子样确切的失效时间,而只能在选定的某些时刻,抽取若干子样,观察产品的失效情况,一般并不能获得寿终数据,只有删失数据。对此试验结果,在产品具有多源验前信息的情况下,基于极大似然的思想,给出了两种验前信息的融合方法,合理地确定了各验前分布在融合综合验前分布中的权重。