Bayes统计的应用和理论讨论会在北京举行

这个讨论会于1989年12月18日至23日在北京中国科学院系统科学研究所召开。参加会议的有来自国内各方面代表22人及部分列席人员,在会上宣读了16份报告,这些报告或其摘要将由《数理统计与应用概率》以专辑的形式发表,此处将其要点分类介绍于下。 1.对Bayes统计的看法及其与频率学派的比较。这部分主要包括成平和陈希孺的两篇报告(其他某些报告中也附带涉及这个问题),报告中阐述了Bayes统计的基本思想,方法要旨,Bayes学派与频率学派的优缺点及彼此的批评。     

2×2列联表中二属性相关的Bayes检验

2×2列联表中二属性相关的假设检验是定性数据分析中的热点问题,针对此问题的研究频率学派已做过大量的工作,其理论方法已趋于成熟.利用Bayes检验研究2×2列联表中二属性的相关性迄今为止国内外的相关文献还为数不多.将依据Bayes理论对此问题提出新的检验方法,推出其Bayes因子计算公式,利用正态近似研究三项假设计算出有关的后验概率,不仅解决了频率学派难以处理的问题,并且为吸烟有害健康提供了理论支撑.     

《统计判决理论》一书评介

统计判决理论的产生和 Bayes 学派的崛起,是战后数理统计发展史中两项有联系的、意义重大的发展.它们在统计的理论和应用上提供了新思想、新方法.且从更根本的意义上说,激起了更多的统计学者去注意和研究“什么是统计推断的合理基础”这个既有哲学气味,又有相当实际意义的问题.近十余年来,西方统计学者发表的这方面的作品甚多,相对而言,国内统计学界对这方面的动向显得注意不够.     

线性模型中回归系数和误差方差的同时Bayes估计的优良性

在线性模型中回归系数与误差方差具有正态-逆Gamma先验时,导出了回归系数与误差方差的同时Bayes估计.在均方误差矩阵准则和Bayes Pitman closeness准则下,研究了回归系数的Bayes估计相对于最小二乘(LS)估计的优良性,还讨论了误差方差的Bayes估计在均方误差准则下相对于LS估计的优良性.     

基于Bayes公式的信任评估

Bayes公式在很多学科、领域都有着广泛的应用.为了在教学中明确Bayes公式的形式和应用,以Bayes公式在信任评估中的应用为主题,开展专题研究.分别演示和推导了Bayes公式的事件形式在信任累积中的应用和Bayes公式的概率密度函数形式在P2P商业模式中的信任评估.文章既展现了基于Bayes公式的信任累积及虚拟环境下信任评估的过程,也体现了Bayes公式的灵活、有效的应用价值;这对Bayes公式的教学和科研都有一定的启迪价值.     

商业银行操作风险计量模型的Bayes估计

对于商业银行来讲,一个很重要的问题是损失数据缺乏,而损失数据缺乏会影响模型参数的估计,用Bayes估计解决了这一问题.Bayes估计的方法利用商业银行专家提供的意见确定先验分布,能够有效地解决损失数据缺乏的问题.实证分析的结果表明,Bayes估计与极大似然估计的结果.不考虑存在着一定的差距.不考虑各部分风险之间的相关性,基于Bayes估计与极大似然估计时VaR与ES的大部分结果相差不大.     

联合均值与方差模型的Bayes分析北大核心CSCD

研究联合均值与方差模型的Bayes分析,通过应用Gibbs抽样和MetropolisHastings(MH)算法计算模型未知参数的Bayes估计与Bayes数据删除影响诊断统计量.模拟研究和实例分析说明该方法的可行性.     

软件可靠性模型的Bayes推断及Gibbs算法

作为重要的软件可靠性模型,JM模型的研究具有重要意义.论文研究了JM模型Bayes估计及其Gibbs算法.在先验分布确定的情况下,给出了Bayes估计的Gibbs算法,并证明了其收敛性.最后通过模拟分析发现：在1≥100,k〉600时,所得到的参数Bayes估计与初始值几乎无关.从而说明Gibbs算法的可行性.     

参数的E Bayes估计法及其应用

提出了参数的一种估计方法—— E Bayes估计法 ,对寿命服从指数分布的产品 ,在失效率的先验分布为 Gamma分布时 ,给出了失效率的 E Bayes估计和多层 Bayes估计 ,并在此基础上给出了失效率和可靠度的 E Bayes估计的性质 .结合实际问题进行了计算 ,结果表明提出的 E Bayes估计法可行且便于应用 .     

结构系统识别不确定性分析的Bayes方法及其进展

受测试误差、建模误差、数值离散化以及环境变异等因素的影响,结构系统识别过程不可避免地存在不确定性,因此有必要引入概率统计方法来提高其鲁棒性,为工程结构安全监测提供更为可靠的结果.近年来,Bayes(贝叶斯)方法因为其诸多优势在系统识别领域受到了广泛关注.该文梳理了Bayes系统识别的历史脉络和研究进展.从Bayes系统识别的理论框架出发,分析了量化系统识别不确定性两类方法的适用条件与局限性.此外,文章综述了Bayes方法在模态参数识别、有限元模型修正以及结构损伤识别方面进行不确定性分析的理论、实现及其应用.最后对基于Bayes方法进行系统识别研究的发展趋势做出了展望.     

ESTIMATING OF ORDER-RESTRICTED LOCATION PARAMETERS OF TWO-EXPONENTIAL DISTRIBUTIONS UNDER MULTIPLE TYPE- Ⅱ CENSORING

In this article, Bayes estimation of location parameters under restriction is broughtforth. Since Bayes estimator is closely connected with the first value of order statistics that canbe observed, it is possible to consider “complete data” method, through which the pseudo-value of first order statistics and pseudo-right censored samples can he obtained. Thus the results under Type- Ⅱ right censoring can be used directly to get more accurate estimators by Bayes method.     

逐步增加首失效截尾样本下参数估计的优良性

在对称平方损失函数下, 利用逐步增加首失效截尾样本, 研究两参数Pareto分布族参数的一致最小方差无偏估计(UMVUE), Bayes估计和参数型经验Bayes(PEB)估计. 按照均方误差(MSE)准则, 比较UMVUE与PEB估计的优良性. 根据风险函数导出Bayes估计与PEB估计的渐近性, 并获得它们的收敛速度. 在相同的置信水平下, 研究参数分别在经典统计和Bayes统计中的区间估计, 并利用数值模拟说明Bayes区间估计的精度高于经典统计区间估计.     

基于Bayes估计的金融风险值——VaR计算

初步研究了用Bayes估计计算金融风险值VaR,同时阐明了运用极值理论方法在Bayes估计下的金融风险值计算。并且借助统计计算方法——MCMC算法来求解参数的Bayes估计,有效的将Bayes思想融入到了VaR的计算中。用Bayes估计计算金融风险值VsR,可以帮助投资者将观测数据和自己所掌握的经验信息对VaR模型进行调整,使得vsR模型能够更准确地反映出金融市场的风险状况,据此做出更加正确的投资决策。     

非平衡随机效应模型中方差分量的经验Bayes估计

对非平衡单向分类随机效应模型中方差分量找到了其最小充分统计量,在加权平方损失下导出了其Bayes估计,利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,并导出了其收敛速度.文末用例子说明了符合定理条件的先验分布是存在的.     

Linear Bayes and Optimal Estimation

In non-Bayesian statistics, it is often realistic to replace a full distributional assumption by a much weaker assumption about its first few moments; such as for instance, mean and variance. Along the same lines in Bayesian statistics one may wish to replace a completely specified prior distribution by an assumption about just a few moments of the distribution. To deal with such Bayesian semi-parametric models defined only by a few moments, Hartigan (1969, J. Roy. Statist. Soc. Ser. B, 31, 440-454) put forward linear Bayes methodology. By now it has become a standard tool in Bayesian analysis. In this paper we formulate an alternative methodology based on the theory of optimum estimating functions. This alternative methodology is shown to be more readily applicable and efficient in common problems, than the linear Bayes methodology mentioned above.     

Evidence and Bayes Factor Estimation for Gibbs Random Fields

Gibbs random fields play an important role in statistics. However, they are complicated to work with due to an intractability of the likelihood function and there has been much work devoted to finding computational algorithms to allow Bayesian inference to be conducted for such so-called doubly intractable distributions. This article extends this work and addresses the issue of estimating the evidence and Bayes factor for such models. The approach that we develop is shown to yield good performance. Supplementary materials for this article are available online.     

Mlinex损失函数下一类分布族参数的Bayes估计

考虑分布函数形如F(x;θ)=1-[g(x)]~θ或[1—g(x)]~θ,A≤x≤B,θ0的分布族,其中g(x)是关于x单调递减的可微函数,且g(A)=1,g(B)=0.在Mlinex损失函数下,给出了其中参数θ的Bayes估计及其容许性,并对分布的一个充分统计量的逆线性形式的容许性进行讨论.最后通过蒙特卡洛模拟说明Bayes估计在小样本情形时的优良表现.     

Bayes estimators for densities of sufficient statistics for the normal distribution and their statistical properties

In this paper the Bayes estimates are constructed for the distribution density of sufficient statistics in the case of a normal law. The asymptotic properties of these estimates are discussed. These estimates may be used for constructing classification rules which allow one to solve new classification problems. Translated fromStatisticheskie Metody Otsenivaniya i Proverki Gipotez, pp. 5–13, Perm, 1991.     

Bayesian model selection approach to the one way analysis of variance under homoscedasticity

An objective Bayesian model selection procedure is proposed for the one way analysis of variance under homoscedasticity. Bayes factors for the usual default prior distributions are not well defined and thus Bayes factors for intrinsic priors are used instead. The intrinsic priors depend on a training sample which is typically a unique random vector. However, for the homoscedastic ANOVA it is not the case. Nevertheless, we are able to illustrate that the Bayes factors for the intrinsic priors are not sensitive to the minimal training sample chosen; furthermore, we propose an alternative pooled prior that yields similar Bayes factors. To compute these Bayes factors Bayesian computing methods are required when the sample sizes of the involved populations are large. Finally, a one to one relationship—which we call the calibration curve—between the posterior probability of the null hypothesis and the classical $p$ value is found, thus allowing comparisons between these two measures of evidence. The behavior of the calibration curve as a function of the sample size is studied and conclusions relating both procedures are stated.     

一种基于二部图的试题知识点标注方法

针对在线教育中试题知识点自动标注问题,本文提出了一种基于二部图的试题知识点标注方法。首先,为了合理划分知识点粒度,本文构建了知识点知识图谱来融合知识点;其次,基于教材等语料抽取知识点与特征词二部图和试题与特征词二部图,并利用TF-IDF公式计算知识点与特征词、试题与特征词之间的边权,以构建试题-知识点二部图模型;再次,提出词频加权的相似性度量方法计算试题和知识点之间的相似度,将相似度最高的知识点作为试题知识点标签。最后,以某在线教育平台提供的高中历史试题为实验数据集进行数值实验,实验结果表明该方法的效果显著优于朴素贝叶斯、K最近邻、随机森林以及支持向量机。