Pareto分布形状参数的简单贝叶斯估计

针对Pareto分布,在尺度参数已知、先验信息为某一固定时刻分布函数及其标准差的估计值的情况下,参考Kaminskiy等提出的简单贝叶斯估计过程,借助缺一交叉验证法以及核密度估计法,研究了形状参数的简单贝叶斯估计.基于上述先验信息,在估计过程中构造了Pareto分布形状参数的先验与后验概率密度、先验与后验点估计,并给出了在给定任意时刻分布函数及其标准差的先验与后验估计.最后通过一个数值例子说明了这种估计方法,并对灵敏度进行了定量分析.     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

数控机床不完全维修的贝叶斯可靠性评估

提出了在少样本故障数据情况下,数控机床不完全维修的贝叶斯可靠性评估方法,分析了广义更新过程虚龄模型参数的验前分布和后验分布,利用马尔科夫链蒙特卡洛仿真方法获得了模型参数、累计故障数、故障强度和可靠度等可靠性指标的贝叶斯点估计和区间估计,并分析了某一现场数控机床不完全维修的可靠性.结果表明,与极大似然估计方法相比,贝叶斯可靠性评估方法具有较高的精度.     

负二项分布参数的贝叶斯区间估计问题

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。     

具有Logistic回归结构的几何分布参数贝叶斯估计及应用

Logistic回归模型是一种广义线性模型,广泛应用于二分类数据的建模问题之中,经典的Logistic回归模型通常基于二项分布进行建模,在某些实际问题中,二项分布是不合适的.在平方损失函数下,研究了具有Logistic回归结构的几何分布参数的贝叶斯估计问题,选取正态分布作为参数的先验分布,运用MCMC方法在WinBUGS软件中进行gibbs抽样,得到参数的后验样本.数值模拟表明估计效果良好,最后将所提出的模型应用于米其林餐厅定级数据当中.     

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.     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

同分布负相协情形下威布尔分布族参数的经验贝叶斯检验问题

在同分布负相协样本情形下研究了威布尔分布族参数的经验贝叶斯检验.利用密度函数核估计方法构造了参数的经验贝叶斯检验函数,在加权线性损失下获得了该估计的收敛速度,在适当条件下证明了经验贝叶斯检验函数的渐近最优性.     

泊松分布参数估计的比较研究

研究了泊松分布点估计及区间估计,并证明了样本均值是参数λ的优良估计量。利用贝叶斯统计分析方法,在取先验分布为共轭分布的情形下,给出了最大后验密度可信区间,即最短可信区间,并通过实例与经典区间估计进行了比较。     

无信息先验下平稳AR(1)模型的贝叶斯推断

研究AR(1)时间序列模型在平稳条件下的贝叶斯推断理论,构造了模型自回归系数和尺度参数的无信息先验分布,推导得到了其后验分布、后验均值、众数、中位数、分位数和最大后验区间估计,最后对几组仿真数据进行了贝叶斯分析.     

WinBUGS软件在核电站可靠性参数估计中的应用

可靠性数据是核电站概率安全评价的基础,目前国内核行业通常使用经验贝叶斯方法估计可靠性参数。然而极大似然函数对于稀少样本的估计存在求解困难的问题。马氏链蒙特卡洛方法提供了另一种可用于可靠性参数估计的分层贝叶斯方法,其从后验分布大量抽样进而推断总体特征。采用基于马氏链蒙特卡洛方法的Win BUGS软件计算了核电站需求失效型稀少样本的超参数。针对68个核电站辅助给水电动部分启动需求失效数据,计算得到启动失效的超参数α为0.192 5,β为46.77,以及各个核电站辅助给水电动部分启动需求失效的后验失效概率。最后对Win BUGS软件中马氏链的收敛性进行讨论。     

基于MCMC算法的多元线性回归变点模型的贝叶斯估计

基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.     

屏蔽数据并联系统的可靠性分析

在逐步Ⅱ型截尾模型下,研究含屏蔽数据三部件并联系统的可靠性分析。假设组成系统的部件相互独立且服从补充指数分布,利用屏蔽系统寿命数据给出了部件参数与可靠度函数的极大似然估计。鉴于极大似然法在完全屏蔽情形的局限性,通过引入潜在变量并运用Metropolis-Hastings抽样算法获得了部件参数及可靠度函数的贝叶斯估计、参数的最大后验密度置信区间。最后利用Monte-Carlo方法给出数值例子,分析了屏蔽水平对两种估计精度的影响,并验证了文中结果的正确性。     

贝叶斯框架下泊松分布参数倒数的估计

在给定的一组泊松样本下,研究了泊松分布参数倒数的贝叶斯估计问题,得到了它的贝叶斯估计的精确形式,并讨论了它的可容许性,最后给出了它的贝叶斯置信下限的表达式以及最大后验区间估计的精确形式.     

非参数回归模型的贝叶斯局部线性估计

对于非参数回归模型=m(x)+ε,在局部线性估计中窗宽h的先验分布为Gamma分布的条件下,用未知光滑函数m(x)的后验均值构造了它的贝叶斯估计,并给出了参数的后验分布和抽样方法.模拟算例证明了贝叶斯局部线性估计方法的可行性.     

逐步Ⅱ型混合截尾下Lomax分布多部件应力强度模型的可靠性分析

基于逐步Ⅱ型混合截尾样本,研究Lomax分布多部件应力强度模型的可靠性分析问题。假设应力和强度具有不同形状参数和共同尺度参数,利用极大似然理论及迭代方法获得可靠度函数的极大似然估计(MLE),并给出渐近置信区间;然后,运用贝叶斯理论,借助Tierney-Kadane(TK)近似方法、MCMC算法,讨论平方误差损失函数下未知参数及可靠度的贝叶斯估计,给出其最大后验密度可信区间(HPD);最后,利用Monte-Carlo模拟方法对估计结果进行对比分析。模拟结果显示：贝叶斯估计整体上优于极大似然估计,并且随样本量的增大,2种估计的均方误差(MSE)均逐渐减小,HPD可信区间的效果优于渐近置信区间。     

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.     

贝叶斯框架下泊松分布参数的估计

在给定的泊松样本X1,X2,...,Xn下,研究了泊松分布参数λ的贝叶斯估计问题.在p,q对称损失函数L(λ,δ)=(λ/δ)p+(δ/λ)q-2(p,q∈Z+)下,得到了参数λ的贝叶斯估计的精确形式并讨论了它的可容许性,最后研究了参数λ的最大后验区间估计.     

基于贝叶斯估计的广义Gamma收入分布模型

利用广义Gamma分布拟合中国西北地区(除新疆外)各省的收入分布,分布的参数使用贝叶斯方法估计,并通过Gibbs抽样得到每个参数的后验分布.估计的广义Gamma分布都通过了K-S检验.在拟合的收入分布的基础上,测算了收入不平等指数.结果表明,甘肃省和内蒙古自治区的收入不平等程度相对其他省份较严重.     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的