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.     

混合非参数回归的贝叶斯推断

针对混合非参数回归问题,给出了一种基于贝叶斯框架的推断方法.在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验,同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计,并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)法抽样来进行后验推断.数值模拟分别从样...     

时变系数自回归模型参数的贝叶斯估计

针对时变系数的自回归模型,假设其系数的先后状态具有一定相关性.在仅有一条样本函数的情况下,运用贝叶斯方法给出一阶模型参数估计的表达式.通过数值模拟展示了模型系数的取值和样本容量对估计效果的影响.实证分析表明,该估计方法所得的统计结果能够较好地揭示实际问题的内在规律性.     

圆参数的贝叶斯估计

用贝叶斯方法解决圆相邻角已知的情况下的参数估计,并得出圆半径的后验分布和置信区间。     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

关于非参数回归函数估计的集中不等式

本文利用L^1-传输不等式给出一般的非参数回归函数估计的某种集中不等式。并由此不等式在特殊的情形下给出了这种估计量的强相合性和弱相合性。     

非参数回归模型基于残差的样条估计

为了探究固定设计下具有 α-混合相依误差的非参数回归模型的估计理论,基于多样式样条方法对均值函数进行了估计,利用残差构造了方差函数的样条估计.在一般假设条件下,均值函数估计量和方差函数估计量具有相同的一致收敛速度.数值模拟结果显示:基于贝叶斯信息准则下的样条估计优于赤池信息准则下的样条估计和局部线性估计.     

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.     

相依样本非参数回归模型误差的相合估计

给出了回归函数基于核估计的密度估计的强相合性及一致相合性。     

非参数回归模型误差分布估计的大样本性质

讨论了非参数回归模型中误差分布密度估计的渐近正态性和收敛速度等大样本性质。     

非参数回归函数最近邻估计的相合性

本文研究了非参数回归函数最近邻估计、改良近邻估计的弱相合性及平均相合性,推广和改进了[1]中结果。     

非参数回归函数核估计L_p收敛的速度

非参数回归函数的核估计近年来已有了一些研究。Devroye在1981年文章中研究了其p阶逐点平均收敛性,本文进一步讨论这种收敛的速度。证明了在适当条件下有E|m_n(x)-m(x)|~p=O(n~(-p/(2 d))。其中p≥2,m_n(x)为回归函数m(x)的核估计,d是随机变量X的维数。     

非参数回归模型中误差方差的样条估计

针对具有固定设计和混合相依误差的非参数回归模型,构造了误差方差的多项式样条估计,证明了估计量的相合性,并且通过模拟算例说明了估计方法的可行性.     

小样本参数的贝叶斯估计方法

小样本建模问题在社会经济系统、生物医学和化工冶炼等领域中是普遍存在的。在很多情况下,或是由于无法进行重复实验,或是由于人力、物力和财力等的限制,能够用来建模的数据是很少的,这时,如果我们仍然沿用传统的大样本方法进行模型的参数估计,无疑会使参数估计精度下降。因此,研究适于小样本情况下的参数估计方法是很有意义     

线性指数分布参数的经验贝叶斯估计

对线性指数分布在平方损失下获得了参数的贝叶斯估计,并构造了相应的经验贝叶斯估计,证明了所提出的经验贝叶斯估计是渐近最优的且有收敛速度O（n^-q）,其中q=（s-1）（λs-1）／[s（2s＋1）],1／2〈λ〈1—1／（2s）,s≥2是一给定的整数．     

半参数顺序回归的贝叶斯推断

结合比例优势模型和半参数回归模型建立了一般形式的半参数顺序回归模型.对于模型的参数与非参数部分,构造了基于随机过程有限维分布的贝叶斯估计量,并在正态情形下给出了估计量的解析表达式.数值模拟结果表明,即使在小样本情况下,模型参数的估计值也接近真实值,非参数部分的估计值能描绘出真实函数的形状.对根据家庭消费结构预测收入等级...     

NA相依样本非参数回归函数加权核估计

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性,对完全收敛和强相合性给出较弱的充分条件。与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｍｓｔｅｉｎ型不等式。     

PA序列下非参数回归函数估计的相合性

设{εi,i≥1}为PA序列,Eεi=0,supjE(ε2j)<∞,对某个r>2及δ>0,supjEεjr+δ<∞,u(n)=O(n(r-2)(r+δ)/2δ),在PA序列误差下,讨论了非参数回归函数加权核估计的相合性.