简单半序约束下多个正态总体分布参数的Bayes估计与等值检验

运用Bayes方法讨论多个正态总体均值与标准差比在简单半序约束下的估计问题及如下等值检验问题： H₀: μ₁=…=μ_k v.s. H₁: μ₁≤…≤μ_k, μ₁<μ_k, 并用Gibbs抽样和Metropolis-Hastings方法给出了上述问题的数值模拟.     

华北农田土壤水分运动参数的Bayes估计

为了估计具有垂向空间异质性的田间尺度土壤水分运动参数,提出利用原位多点土壤含水率观测数据反演多层土壤持水和导水特征参数的Bayes方法。该方法基于Hydrus-1D模拟模型建立Bayes推断模型,采用Markov Chain Monte Carlo(MCMC)方法求解Bayes联合概率分布,得到参数的后验边缘分布。将该方法应用于华北平原一典型农田土壤剖面,参数反演结果反映了空间变异性,与室内试验值具有较好的一致性,相应的土壤水分运动模拟具有较高精度,从而验证了该方法的有效性。     

广义非线性模型的Bayes估计

针对广义非线性模型的参数估计问题,提出了从参数的条件后验分布中抽取观测值来估计参数值的Bayes估计法.利用贝叶斯统计分析中蒙特卡洛抽样方法中的M-H算法和Gibbs抽样算法相结合的混合算法进行分析,通过参数的条件后验分布抽取出每次迭代时的参数值,并利用参数的样本路径图和均值遍历图验证迭代时马尔科夫链的收敛性;计算马尔科夫链达到收敛后参数的后验均值得到参数的Bayes估计;通过对产品销售数据的实证分析,比较Bayes估计和极大似然估计的偏差,验证M-H算法和Gibbs抽样算法在对广义非线性模型的参数进行Bayes估计时的简洁性、有效性以及可行性.     

IIRCT下泊松分布参数单变点的贝叶斯估计

首先通过添加数据得到了带有不完全信息随机截尾试验下泊松分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对参数进行了估计,最后进行了随机模拟,试验结果表明参数贝叶斯估计的精度较高.     

EV回归的半参数部分线性模型的Bayes估计

考察部分线性模型y=X^τ_β+g(t)+ε,ε~N(0,σ²),其中回归变量X可以精确测量,而t具有测量误差. 用光滑样条估计非参数函数g(t), 结合光滑样条的Bayes解释及Bayes的线性回归, 将模型中的未知参数赋以一定的先验, 运用Gibbs抽样方法从后验分布中抽样, 用后验样本的均值来估计未知参数. MCMC模拟的另外一个好处是容易从后验样本中构造后验样本区间估计. 最后,提供了一个模拟例子来说明Bayes方法的估计效果.     

Poisson分布参数的几个Bayes估计及比较

本文基于不同的先验分布给出了不同的Poisson分布参数的Bayes估计,并从Bayes风险的角度对它们进行了比较.     

IIRCT下瑞利分布参数多变点的贝叶斯估计

利用MCMC方法研究了带有不完全信息随机截尾试验下瑞利分布多变点模型的参数估计问题.通过扩充缺损的寿命变量数据得到了瑞利分布的似然函数,对各参数的满条件分布进行了随机抽样.随机模拟证实了各参数估计的精度都较高.     

指数分布参数的Bayes及多层Bayes估计

对寿命服从指数分布的产品,以先验分布为Gamma分布时,给出了参数的Bayes估计和多层Bayes估计。     

指数分布参数的Bayes及多层Bayes估计

对寿命服从指数分布的产品,先验分布为Gamma分布时,给出了参数的Bayes估计和多层Bayes估计。     

指数分布参数的Bayes及多层Bayes估计

对寿命服从指数分布的产品,以先验分布为Gamma分布时,给出了参数的Bayes估计和多层Bayes估计.     

Linex损失下Poisson分布参数的Bayes估计

记X1,X2,…,Xn为来自Poisson总体容量为n的样本,在Linex损失函数下,给出了Pois-son分布参数θ的Bayes估计并证明其可容许性,同时也得到了该参数的多层Bayes估计的表达式。     

IIRCT下二项分布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IIRCT下二项分布的完全数据似然函数,给出了变点位置和其它参数的满条件分布。利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样。详细介绍了MCMC方法的实施步骤。得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计。随机模拟试验的结果表明各参数贝叶斯估计的精度都较高。     

平方损失函数下Poisson分布参数的Bayes估计

本文对给定容量为的一个Poisson分布样本在平方损失函数下,研究了Poisson分布参数的Bayes估计。证明了这一估计是可容许的,并给出Bayes的置信下限．     

IIRCT下几何分布参数多变点的贝叶斯估计

首先通过添加数据得到了带有不完全信息的随机截尾试验下几何分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计,最后进行了随机模拟,试验结果表明各参数贝叶斯估计的精度都较高.     

IIRCT下负二项分布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带有不完全信息随机截尾试验下负二项分布的完全数据似然函数.给出了变点位置和其他参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样.详细介绍了MCMC方法的实施步骤,得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计.随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.     

IRCT下几何分布参数多变点的贝叶斯估计

首先通过添加数据得到了带有不完全信息的随机截尾试验下几何分布的完全数据似然函数,然后研究了变 点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参 数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计,最后进行了随机模拟,试验结果表明各参数贝叶 斯估计的精度都较高.     

对一组种子数据的统计分析

Crowder曾经研究过一组种子数据,这组数据所对应的模型为二项线性混合效应模型.本文运用EM算法对模型进行参数估计,并利用“点删除”方法探测到了数据中的强影响点.     

一种RFID数据中位置参数的Bayes估计方法

RFID设备固有的限制和环境噪声的影响,造成RFID原始数据的不确定性。为了估计RFID冗余数据中位置参数,提出了利用多阅读器观测到的冗余数据反演目标符号位置参数的Bayes方法。该方法以3-态识别模型为基础建立了Bayes推论模型,通过融合监测区域中的先验知识和约束条件,采用Markov Chain Monte Carlo(MCMC)的方法求解Bayes联合概率分布,进而得到符号位置参数的后验概率分布。模拟实验结果表明,符号位置参数的估计方法可以获得较好的效率和准确性。     

Poisson截断δ冲击模型失效参数的Bayes估计

针对Poisson截断δ冲击模型失效参数的估计问题,利用Bayes估计方法,在最小均方误差原则下,基于寿命终止时总冲击次数及冲击到达时间这两类样本数据,在不同的先验假设下,给出Poisson截断δ冲击模型失效参数δ的Bayes估计量.