不同先验分布下的后验分布确定土力学参数

岩土工程中各土层参数的取值是根据现场及室内试验数据,采用经典统计学方法进行确定的,但这往往忽略了先验信息的作用。与经典统计学方法不同的是,Bayes法能从考虑先验分布的角度结合样本分布去推导后验分布,为岩土参数的取值提供一种新的分析方法。岩土工程勘察可视为对总体地层的随机抽样,当抽样完成时,样本分布密度函数是确定的,故Bayes法中的后验分布取决于先验分布,因此推导出两套不同的先验分布:利用先验信息确定先验分布及共轭先验分布。通过对先验及后验分布中超参数的计算,当样本总体符合N(μ,σ2)正态分布时,对所要研究的未知参数μ和σ展开分析,综合对比不同先验分布下后验分布的区间长度,给出岩土参数Bayes推断中最佳后验分布所要选择的先验分布。结果表明:共轭情况下的后验分布总是比无信息情况下的后验区间短,概率密度函数分布更集中,取值更方便。在正态总体情形下,根据未知参数μ和σ的联合后验分布求极值方法,确定样本总体中最大概率均值μ_max和方差σ_max作为工程设计采用值,为岩土参数取值方法提供了一条新的路径,有较好的工程意义。     

混合整数线性模型方差分量的Bayes估计

本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计，给出了混合整数线性模型方差分量无信息和：有信息先验分布下的极大后验估计和最佳Bayes估计。     

基于Kullback信息融合方法的串联系统可靠性评估

讨论了串联系统在具有多源验前信息的情形下的可靠性评估问题,运用K u llback信息作为分布之间距离的度量,在K u llback信息的融合准则下对多个先验分布进行融合.并以融合后的先验分布作为系统的最终验前分布,对串联系统的可靠性指标进行Bayes估计.最后进行的计算机随机模拟结果表明,文中所提出的方法合理且便于应用.     

多源验前信息下的Bayes信息融合方法

本文以指数分布寿命型电子产品为例,讨论了多源验前信息情况下如何对产品失效率进行融合估计的问题。首先,介绍了寿命试验数据的信息融合方法,并以此为例,说明了取伽玛分布为指数分布寿命型产品失效率的先验分布的合理性。然后,在产品具有多源验前信息源的情况下,给出了一种方便实用的Bayes信息融合方法,充分融合各验前信息,得到产品失效率的验前分布及后验分布。最后给出了数值实例。     

附加信息与参数估计

<正> 参数估计是根据样本信息对总体未知参数作推断的一个基本形式,然而在理论上或应用上,人们往往对未知参数还具有一定量的附加信息,如果能充分利用这些信息,则可得到具有较好性质的估计量.在Bayes估计理论中,附加信息被概括在先验分布中,通过Bayes公式把先验分布中所蕴含的附加信息迭加在样本信息即似然函数之中,产生了后验分布。因此后     

不等方差线性模型中的AP统计量与信息比统计量

对线性模型：Y=Xβ ρ，E（ρ）=0,cov(ρ）=σ^2G,G=diag(g1,…gn)，探讨了单个数据点对σ^2的估计-↑σ^2，β的估计-↑β的广义方差|cov-↑β|及Fisher信息阵：σ^2X′G^-1X的影响，给出了度量准则和它的化简式及统计解释。     

基于最优估计的数据融合理论

本文提出了一种最优加权的数据融合方法，分析了最优权值的分配原则；给出了多源信息统一的线性融合模型，使其表示不受数据类型和融合系统结构的限制，并指出在噪声协方差阵正定的前提下，线性最小方差估计融合和加权最小二乘估计融合是等价的；介绍了数据融合中的Bayes极大后验估计融合方法，给出了利用极大后验法进行传感器数据融合的一般表示公式；最后以两传感器数据融合为例，证明了利用Bayes极大后验估计进行两传感器数据融合所得到的融合状态的精度比相同条件下极大似然估计得到的精度要高，同时它们均优于任一单传感器局部估计精度。     

多级评分及其Bayes估计

对多级评分的测验题型 ,给出了其Bayes模型 ,在无信息先验分布或先验分布是Dirichlet分布情形下求出了参数的Bayes估计 ,并对后者在不同样本条件下给出了先验分布超参数的估计     

不同先验分布下艾拉姆咖分布参数的Bayes估计

首先在定数截尾场合下,分别取共轭先验、Jeffreys先验和无信息先验,给出了艾拉姆咖分布参数的Bayes点估计和区间估计;其次用极大似然法得到超参数的估计值;然后通过随机模拟得到参数估计的均值和均方误差;最后由一个实例给出了不同截尾样本下参数的三种点估计和区间估计,并把它们进行了比较.     

广义非参数回归的B样本贝叶斯估计

本文主要研究广义非参数模型B样条Bayes估计 .将回归函数按照B样条基展开 ,我们不具体选择节点的个数 ,而是节点个数取均匀的无信息先验 ,样条函数系数取正态先验 ,用B样条函数的后验均值估计回归函数 .并给出了回归函数B样条Bayes估计的MCMC的模拟计算方法 .通过对Logistic非参数回归的模拟研究 ,表明B样条Bayes估计得到了很好的估计效果     

基于正态分布的逐批抽样检验贝叶斯控制图控制限研究

在生产条件受控的状态下,先验分布与后验分布应服从同一分布,在假设该分布为正态分布的前提下,根据贝叶斯理论推导出均值、极差和标准差的迭代计算公式,并依此计算控制图的控制限,使有效的先验批检验信息得到充分运用,弥补传统控制图在小批量生产环境下样本信息不足的缺点。研究发现,基于贝叶斯原理的统计控制图控制限随着检验批次的逐渐增加,更接近控制界限的实际值,比传统控制图的控制效果更加可靠、有效。     

Reliability analysis for Weibull distribution with homogeneous heavily censored data based on Bayesian and least-squares methods

The reliability for Weibull distribution with homogeneous heavily censored data is analyzed in this study. The universal model of heavily censored data and existing methods, including maximum likelihood, least-squares, E-Bayesian estimation, and hierarchical Bayesian methods, are introduced. An improved method is proposed based on Bayesian inference and least-squares method. In this method, the Bayes estimations of failure probabilities are focused on for all the samples. The conjugate prior distribution of failure probability is set, and an optimization model is developed by maximizing the information entropy of prior distribution to determine the hyper-parameters. By integrating the likelihood function, the posterior distribution of failure probability is then derived to yield the Bayes estimation of failure probability. The estimations of reliability parameters are obtained by fitting distribution curve using least-squares method. The four existing methods are compared with the proposed method in terms of applicability, precision, efficiency, robustness, and simplicity. Specifically, the closed form expressions concerning E-Bayesian estimation and hierarchical Bayesian methods are derived and used. The comparisons demonstrate that the improved method is superior. Finally, three illustrative examples are presented to show the application of the proposed method.     

On the inconsistency of Bayesian non-parametric estimators in competing risks/multiple decrement models

In the competing risks/multiple decrement model, the joint distribution is often not identifiable given only the observed time of failure and the cause of failure. The traditional approach is consequently to assume a parametric model. In this paper we shall not do this, but rather assume a Bayesian stance, take a Dirichlet process as a prior distribution, and then calculate the posterior distribution given the data. In this paper we show that in dimensions ? 2, the posterior mean yields an inconsistent estimator of the joint probability law, contrary to the common assumption that the prior law ‘washes out’ with large samples. For single decrement mortality tables however, the non-parametric Bayesian method allows a flexible method for adjusting a standard mortality table to reflect mortality experience, or covariate information.     

基于贝叶斯方法的低违约组合违约率估计

现代信用风险建模的核心是估计违约率,违约率估计是否准确将直接影响信用风险建模的质量。在估计违约率的众多文献中,频率法或logistic回归等统计方法的运用非常广泛,此类统计模型的基础是大样本,它客观上需要最低数量或最优数量的违约数据,而低违约组合(LDP)是指只有很少违约数据甚至没有违约数据的组合,如何估计LDP的违约率、反映违约率的非预期波动是一个值得关注的现实问题。本文针对银行贷款LDP缺乏足够历史违约数据的情况,采用贝叶斯方法估计LDP的违约率,并进一步探讨了根据专家判断或者根据同类银行LDP违约数量的历史数据来确定先验分布的方法。在贝叶斯估计中,通过先验分布的设定,不仅可以实现违约率估计的科学性和合理性,而且可以反映违约的非预期波动,有助于银行实施谨慎稳健的风险管理。     

A Bayesian nonparametric model and its application in insurance loss prediction

Predicting insurance losses is an eternal focus of actuarial science in the insurance sector. Due to the existence of complicated features such as skewness, heavy tail, and multi-modality, traditional parametric models are often inadequate to describe the distribution of losses, calling for a mature application of Bayesian methods. In this study we explore a Gaussian mixture model based on Dirichlet process priors. Using three automobile insurance datasets, we employ the probit stick-breaking method to incorporate the effect of covariates into the weight of the mixture component, improve its hierarchical structure, and propose a Bayesian nonparametric model that can identify the unique regression pattern of different samples. Moreover, an advanced updating algorithm of slice sampling is integrated to apply an improved approximation to the infinite mixture model. We compare our framework with four common regression techniques: three generalized linear models and a dependent Dirichlet process ANOVA model. The empirical results show that the proposed framework flexibly characterizes the actual loss distribution in the insurance datasets and demonstrates superior performance in the accuracy of data fitting and extrapolating predictions, thus greatly extending the application of Bayesian methods in the insurance sector.     

���ڿ�ζ�Ƚϵļ���

本文用Bayes方法来检验两种药品之间的口味是否相同, 得到了与人们的直观感觉相吻合的结论\bd 设$(x_1,x_2,x_3)$服从参数为$(p_1,p_2,p_3)$的多项分布, 则检验口味的问题转为检验$H_i:(p_1,p_2,p_3)$ $\in\Theta_i\;\;i=1,2,3$三个假设的问题. 在使用Bayes方法时, 其关键是选择合理的先验分布, 这里选择相应的先验分布为无信息先验, 据此求出每个假设的后验概率, 从而得到结论\bd     

基于贝叶斯分析的中国商业银行内部欺诈分析

内部欺诈事件类型是中国商业银行最严重的操作风险类型。但由于操作风险本质特征和中国商业银行内部欺诈损失数据收集年度较短,数据匮乏,小样本数据容易导致参数结果不稳定。为了在小样本数据下进行更准确的度量,本文采用贝叶斯马尔科夫蒙特卡洛模拟方法,在损失分布法框架下,假设损失频率服从泊松-伽马分布,而损失强度服从广义帕累托-混合伽马分布,分析后验分布的形式,获得中国商业银行不同业务线的内部欺诈损失频率和损失强度的后验分布估计,并进行蒙特卡罗模拟获得不同业务线内部欺诈的风险联合分布。结果表明,拟合结果很好,与传统极值分析法相比,基于利用贝叶斯的分析获得的后验分布可以作为未来的先验分布,有利于在较小样本下获得较真实的参数估计,本方法有助于银行降低监管资本要求。     

Bayesian inspection model with the negative binomial prior in the presence of inspection errors

One of the basic assumptions in Bayesian inspection models is that we have some prior knowledge about the number of defects in a certain product or software system. The prior knowledge can be often described as a probability distribution (e.g., Poisson distribution). In the paper, we propose three conditions that should be put forth as desirable properties for a prior probability distribution of the number of defects in the product. We review various prior probability distributions and test if they meet those conditions. The negative binomial distribution is found to be the only one that satisfies all the desirable conditions. With the negative binomial prior, we analyze the effects of various parameters on the Bayesian estimate of the number of undetected errors still remaining in the product.