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.     

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.     

非线性测量误差模型的Bayes估计

讨论了非线性测量误差模型在未知参数具有正态先验分布时的参数Bayes估计,并对这种估计进行了影响分析,证明了删除模型(CDM)和均值漂移模型(MSOM)具有相同的参数Bayes估计,同时给出了参数Bsyes估计的影响函数.     

方差分量模型中的Bayes估计

对y-N(Xβ,∑^pi=1σ^2iVi)给出了方差分量在平方损失下的Bayes不变二次（无偏和有偏）估计,对（y,Xβ,∑^pi=1σ^2iVi)给出了均值参数在矩阵损失和平方损失下的Bayes线性（无偏和有偏）估计。     

双边定数截尾下Topp-Leone分布的Bayes估计与预测

在双边定数截尾样本下得到了Topp-Leone分布中参数的极大似然估计.基于无信息先验分布和Gamma先验分布,在平方损失和预防损失下分别得到了参数的Bayes估计.根据后验密度函数得到了未知参数的Bayes可信区间和未来观测值的预测密度,进而可得预测值和预测区间.利用Monte-Carlo模拟计算了参数的各种估计的均...     

多过程动态线性模型及Bayes预测

本文讨论了多过程动态线性模型.根据结构和应用目的的不同,将多过程模型分为两类.第一类是由动态线性模型离散概率混合而成的,主要用于模型选择;第二类在不同的时刻用不同的模型来拟合序列,然后再离散混合,它主要用于变化较大或有突发事件的序列预测.     

基于Bayes估计的有限元模型修正

讨论了基于Bayes方法来修正有限元动力模型问题 ,给出了利用Bayes方法估计参数的公式 .根据Bayes估计结果 ,应用矩阵逆特征值理论 ,提出了有限元模型修正方法 .最后用一个数值试验说明了该方法的有效性 .     

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。     

时间序列趋势项的贝叶斯估计

系统地分析了AR(p)误差项的时间序列模型的数学模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合Γ先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.     

地空导弹武器系统维修费用灰色预测模型

维修费用的预测是武器装备全寿命周期费用管理的重要部分。针对地空导弹维修费用数据量有限规律性不同的特点,选用灰色理论进行维修保障费用预测:首先,简要分析了GM(1,1)模型,讨论了维修费用数据的处理;然后,以某新型地空导弹武器系统为例,具体探讨了灰色预测模型的应用,并对比分析了老信息灰色预测、新信息灰色预测和新陈代谢预测模型的精度;由实例分析可知,新陈代谢预测模型的精度更高、计算量更小。     

基于GM（1，1）模型的趋势预测方法及其应用

基于灰色理论中GM(1，1)模型提出了一种新的预测方法(趋势预测)，再将其应用到组合预测中，运用遗传算法调整组合预测权系数从而得到最优解。通过实例证明，该方法是正确的，算法是有效的。     

随时间变化系数参数AR模型的Bayes估计

采用Bayes方法,给出一维随时间变化系数自回归时间序列模型(TVPAR模型)中各参数的Bayes估计.选取未知参数的先验分布为均匀分布和逆伽马分布,采用MCEM算法,给出了模型中各参数的估计算法,并对模型进行了模拟计算与实证分析.     

考虑空间自相关的贝叶斯事故预测模型研究

依托美国佛罗里达州Hillsborough县的数据建立区域安全预测模型.将该县重新划分为200,500,700个交通安全分析小区;提取小区层面路网特征数据、出行数据和其他影响因素,考虑空间自相关特性,建立贝叶斯空间模型;分析小区层面影响因素的安全效应,评价不同分区规模对安全因素效应的影响.对比传统的泊松模型和泊松-对数正态模型,贝叶斯空间模型具有更高的数据拟合度;分区数目越多,空间因素在随机因素中的比重越高;同一种分区下,路网特征变量的安全效应具有鲁棒性;限速大于56 km的路段总长度是预测安全水平的主要指标.     

偏正态数据下半参数混合效应模型的贝叶斯估计

针对纵向数据服从非正态分布情况下混合效应模型的估计问题,提出偏正态分布半参数混合效应模型的贝 叶斯估计方法;假定个体测量误差服从偏正态分布,纵向指标与时间的关系采用 B 样条方法建模,在共轭先验下考 虑该模型的贝叶斯分析,基于 MH 算法与 Gibbs 抽样的混合算法获取未知参数、随机效应和非参数函数的贝叶斯估 计;数值模拟中,数据非正态分布条件下将偏正态方法得到的估计与传统半参数混合效应模型估计方法进行对比, 发现偏正态半参数混合效应模型在有限样本情况下表现更好,说明偏正态半参数混合效应模型与传统模型相比, 可以更好地拟合偏态数据,获得更加精准的参数估计;最后将该方法应用于 ADNI 数据中,研究了神经评分与基线 临床指标间的关系,得出了合理的结论,证明了方法的合理性。     

基于正态-混合对数正态共轭先验下时序趋势项的贝叶斯推断

系统地分析了AR(p)误差项的时间序列模型及条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了正态-混合对数正态共轭先验下模型的贝叶斯推断理论,包括趋势项的核估计参数及先验参数的后验分布的统计推断.