周期单变点Poisson过程及参数Bayes估计

根据某商场内累计逛街总人数,建立具有周期单变点的Poisson过程模型,研究周期等参数的满条件分布,并分别在绝对损失和平方损失作为损失函数的条件下,利用Gibbs与Metropolis-Hastings算法,讨论未知参数的Bayes估计.对给出的结果进行随机模拟与实例分析,表明两种损失函数下的Bayes估计均具有较好的精度.     

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.     

INAR(1)模型参数的Bayes估计

利用Bayes方法研究INAR(1)模型的参数估计, 给出了模型参数的Bayes估计因子, 并通过数值模拟将Bayes估计与Yule Walker估计、 条件最小二乘估计、 条件极大似然估计进行比较. 结果表明, Bayes估计方法在一定情形下优于其他方法.     

INGARCH(1,1)模型参数的矩估计和Bayes估计

利用矩方法和Bayes方法研究INGARCH(1,1)模型的参数估计问题, 证明了矩估计量的强相合性和渐近正态性. 模拟结果表明, 两种估计量都得到了较好的结果.     

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。     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

NGINAR(1)模型的Bayes估计及预测

先利用Bayes方法研究NGINAR(1)模型的参数估计问题, 再利用条件分布预测方法进行模型预测. 模拟结果表明, Bayes估计效果优于条件最小二乘估计和Yule Walker估计, 且条件分布预测方法比条件期望预测方法更适用于整数值序列.     

半参数回归模型参数的Bayes估计

讨论了半参数回归模型在先验正态假设下的Bayes估计,当σ2已知时,它是Blight的著作中非参数回归有关结果的推广,还给出了当σ2未知时,各参数相应的Bayes估计     

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.     

线性模型回归参数的Bayes线性估计

在 C.R.Rao 工作中曾指出:在线性有偏估计类中一致地改进最小二乘估计是不可能的.本文试图局部地改进最小二乘估计.本文定理1求出了线性模型的 BLE;定理2指出,近年来研究的 Stein 估计、岭估计都是 BLE;定理3表明,存在一个以原点为中心的、椭球,使得在该域内 BLE—致优于通常的最小二乘估计(LS).     

贝叶斯推断在土壤微生物生物地理学中的应用

微生物生物地理学主要研究微生物的分布格局及其驱动机制,经典频率数理统计方法是当前该研究领域中广泛使用的统计方法.近年来,贝叶斯推断作为重要的随机模拟数理统计方法正不断地应用于土壤微生物生物地理学的研究中.介绍了贝叶斯推断与经典频率数理统计的区别;描述了贝叶斯推断在土壤微生物生物地理学研究中的基本分析流程,包括模型构建、...     

Nash模型参数不确定性分析及概率洪水预报

针对通常水文预报过程参数的不确定性问题,利用贝叶斯理论,结合自适应采样的马尔可夫链蒙特卡罗方法来研究Nash模型参数的不确定性,并进行概率洪水预报。实例研究表明,该方法能充分利用已知的后验信息获取Nash模型参数的不确定性,得到其后验分布。根据获得的参数后验分布可实现概率洪水预报,同时给出各时刻洪水流量的均值和方差的预报值,为估计各种防洪决策的风险提供了依据。     

混凝土碳化深度的贝叶斯自回归预测分析

总结和分析了影响混凝土碳化的主要因素及碳化深度计算模型,讨论了参数随机性及不确定性对碳化深度预测计算结果的影响.根据贝叶斯分析的基本原理,研究了混凝土碳化深度预测的贝叶斯自回归方法.该方法根据马尔可夫链(Markov Chain)的概率密度演化,利用吉布斯(Gibbs)抽样及蒙特卡洛(Monte Carlo)数值模拟,建立了混凝土碳化深度的随时贝叶斯自回归模型.该模型形式简单,收敛性好,且具有较高的预测精度.利用该方法和实测的碳化深度结果,建立自回归模型,可以对混凝土碳化深度进行更新预测.     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

基于土层集总参数模型的土-结构动力相互作用分析

在土-结构动力相互作用简化分析中,基于弹性半无限地基的假定,采用双自由度集总参数模型来简化土层,建立了基于土层集总参数模型的土-结构动力相互作用的分析模型,主要研究了不同土层对上部结构地震反应的影响.分析了在中硬、中软两种场地上5层和15层结构的地震反应,并与刚性基础假定下同样结构的地震反应分析比较.结果表明,对比较刚性的结构考虑土-结构相互作用可能存在一定的有利因素;对高层建筑,土-结构相互作用可能导致结构在地震作用下的层间变形较大幅度增加,是不利因素.     

水文模型参数优选中率定与校核目标函数的关系研究

在水文模型参数优选过程中,通常很难找到一组参数值使得率定阶段和校核阶段的径流模拟误差同时达到最小,为此,我们需要采用基于Pareto关系的多目标优化方法来寻求Pareto最优解的集合.本文采用一种基于马尔可夫链蒙特卡洛（MCMC）方法的多目标优化方法来搜寻水文模型参数优选问题中Pareto解集,并以三水源新安江模型为例,给出了由率定阶段的目标函数和校核阶段的目标函数所构成的Pareto锋面.结果证明,率定阶段和校核阶段的目标函数是相互冲突的,不可能同时取最小值,由于这种Pareto关系的存在,使得我们在选择水文模型的全局最优参数值时存在很大的不确定性.因此,如何减少这种不确定性是水文模型研究中一个很重要的问题.     

动态贝叶斯网精确推理中联合树算法的改进

基于动态贝叶斯网络处理动态不确定性问题的过程中推理是非常重要的,而推理算法的优劣决定推理的执行效率;文章在分析联合树性质的基础上提出一种较简单的3/2片联合树算法,该算法不需要限制消去顺序且只作一次扩展;讨论了算法的复杂度,并作了试验比较。     

黄河源区土壤饱和水力传导度的实验室测定

为了获得黄河源区的土壤饱和水力传导度,采用渗透筒法对黄河源区的10个土柱进行了土壤饱和水力传导度的实验室测定.结果表明:黄河源区土壤饱和水力传导度空间变异强烈,各土柱之间饱和水力传导度差别较大;沙性土较之黏性土更适合在实验室测定土壤饱和水力传导度.黄河源区的土壤饱和水力传导度实验室测定值需要在累积出水量达到一定的量后才更为稳定和准确.     

一维指数型粗糙土壤表面电磁散射的矩量法研究

运用矩量法研究了锥形波入射一维指数型粗糙土壤表面的电磁散射。通过数值计算得到了散射系数随散射角的变化曲线。讨论了粗糙面高度起伏均方根、相关长度、土壤湿度、入射波频率对散射系数的影响。得出一维指数型土壤表面散射系数的基本特征和随频率变化特征。结果表明,高度起伏均方根、相关长度、土壤湿度、入射波频率对粗糙面散射系数有显著影响。