贝叶斯潜变量倾向得分半联合模型研究与应用

本文提出了一种贝叶斯潜变量倾向得分半联合模型(BS＿LVM＿PSA),探讨了如何将潜变量纳入倾向得分分析,同时引入先验信息,利用半联合贝叶斯方法进行参数估计。通过两个数值模拟来测算BS＿LVM＿PSA在特定环境的性能,并将BS＿LVM＿PSA应用于实例数据。模拟研究显示:第一,潜变量能够降低预处理协变量测量误差,提高处理效应估计精度;第二,不同匹配方法下,贝叶斯方法相对于频率学派的处理效应估计精度更高;第三,在小样本中,贝叶斯方法相比非贝叶斯方法预测精度和稳定性更高;第四,有先验信息的处理效应估计精度高于无信息先验,且在适度的先验精度下,处理效应估计更加可靠。实例分析中,利用本文提出的BS＿LVM＿PSA研究了社区扶贫政策的减贫效应。     

Dirichlet过程及相关随机测度的渐近行为

Dirichlet过程是取纯原子概率值的随机测度.它最早由Ferguson (1973)提出,目的是作为Bayes非参数统计的先验分布. Pitman和Yor在20世纪90年代把Dirichlet过程推广到了两参数,从而得到了非常一般的两参数Dirichlet过程或Pitman-Yor过程. Dirichlet过程及其两参数推广,不仅成为Bayes非参数统计领域的基本模型,同时还被广泛应用到生物学、通信、经济学、金融、遗传学、统计物理和机器学习等领域.近年来在各种应用问题的推动下,关于Dirichlet过程的极限行为方面的研究非常活跃.本文将介绍这方面的一些研究结果,主要包括大样本和相关参数趋近边界的极限行为.     

服从Dirichlet分布的成分数据的贝叶斯分析

本文研究了Dirichlet分布总体的参数和其他感光趣的量的贝叶斯估计。在参数的有实际意义的函数上设置均匀的先验分布，对适当变换后的参数用Metropolis算法得到马尔可夫链蒙特卡罗后验样本，由此即得参数和其他感兴趣的量的贝叶斯估计。     

线性指数分布的简单贝叶斯估计[英文]

本文利用Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,研究线性指数分布的参数的简单贝叶斯估计.本文的创新之处是利用了核密度估计法和缺一交叉验证法构造概率密度函数.在估计过程中,先验信息可以通过可靠度函数估计的区间形式表示.基于这种先验信息,可以构造线性指数分布参数的连续联合先验分布,并可以给出在任意给定时刻可靠度函数的均值及标准差的后验估计.通过一个数值例子说明这种估计方法.Rayleigh分布是线性指数分布的特殊情况,通过简单贝叶斯估计过程,给出了Rayleigh分布的尺度参数的一种新的先验分布,这个模型的均值可由一个级数逼近.     

Gumbel分布的简单贝叶斯估计

在实际应用中,两参数Gumbel分布的贝叶斯估计往往需要预先知道Gumbel参数的二维联合先验分布。由于获取先验分布的主观性和统计推断的复杂性,目前有关Gumbel分布贝叶斯估计理论及其性质的讨论还比较少,更不要说获得较为简单的Gumbel分布的贝叶斯估计。本文基于Kaminskiy和Vasiliy提出的简单贝叶斯估计过程,利用可靠度函数估计的区间形式表示先验信息,从而得到两个参数Gumbel分布的简单贝叶斯估计。基于此先验信息,该估计过程构造了Gumbel参数的连续联合先验分布,给出了在给定任意时点的可靠度(或累积密度)及其标准差的后验估计,为可靠性与风险评估中简单快速的使用贝叶斯估计刻画极端事件提供了可能.     

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     

两部分潜变量模型的变分贝叶斯推断

两部分潜变量模型是一种被广泛用于探索半连续数据中不可观测异质性的统计方法.文章对两部分潜变量建立变分贝叶斯推断程序.相比于马尔可夫链蒙特卡洛(MCMC)抽样方法,变分贝叶斯方法具有计算速度快、可提供确定性解等优点.利用Logistic模型一个随机表示,构造了一个适当的变分分布族来近似后验.变分分布通过坐标上升变分算法获得;给出了变分参数的更新计划,建立了变量选择和模型评价贝叶斯程序.经验结果展示了该方法的有效性和实用价值.     

隐马尔可夫结构方程模型及其贝叶斯估计

结构方程模型是一种含有潜变量的经典统计学模型,被广泛应用于心理学、教育学、经济学、医学等领域。隐马尔可夫模型是一种基于随机过程的统计模型。本文书结构方程模型与隐马尔可夫模型相结合,构造了一种新的模型——隐马尔可夫结构方程模型,详细给出了隐马尔可夫结构方程模型的数学定义。为了对模型的系数进行贝叶斯估计,设定了模型参数的先验分布,然后利用MCMC方法模拟参数的后验分布,计算出了参数的后验均值作为参数的估计值。最后将参数的估计值与真值进行比较,发现估计效果良好。     

基于维纳过程步进应力加速退化试验的客观贝叶斯分析

高可靠性产品在加速寿命试验中其失效数据经常比较少,利用步进应力加速退化试验来评估产品寿命分布是一种非常好的方法.本文基于维纳过程的步进应力加速退化试验模型利用客观贝叶斯方法获得了其模型参数的无信息先验(Jefferys先验和Reference先验).并证明了对应的后验分布都是正常的.对于Jefferys先验和Reference先验下的后验提出相应的Gibbs抽样算法.最后,我们模拟对比了客观贝叶斯估计、贝叶斯估计和极大似然估计,模拟结果揭示了客观贝叶斯方法的优良性.     

多项分布与Dirichlet分布概率的相互表示

讨论了四种多项分布尾概率与四种Dirichlet分布尾概率的相互表示,并将结果应用于Majorization理论,得到了多项分布和Dirichlet分布对应的一些性质.同时,结果可应用于多项分布最大、最小参数的贝叶斯推断,在佛罗里达州沃尔顿县白人和黑人的职业状态调查结果中,求出最大、最小参数的后验分布函数以及95%贝叶斯区间估计,模拟结果表明提供的方法具有较好的表现.     

多重线性回归模型的贝叶斯预报分析

多重线性回归模型的贝叶斯预报分析是贝叶斯线性模型理论的重要组成部分。通过模型系统的统计结构，证明了矩阵正态-Wishart分布为模型参数的共轭先验分布；利用贝叶斯定理，根据模型的样本似然函数和参数的先验分布推导了参数的后验分布；然后，从数学上严格推断了模型的预报分布密度函数，证明了模型预报分布为矩阵t分布。研究结果表明：由于参数先验分布的作用，样本的预报分布与其原统计分布有着本质性的差异，前服从矩阵正态分布，而后为矩阵t分布。     

幂函数模型下恒加寿命试验的非参数贝叶斯分析

线性加速模型常用于恒定应力加速寿命试验的统计分析,这与实际不完全相符.本文建立幂函数加速模型,给出了不同恒定加速应力水平间寿命分位数的关系,利用最小二乘法估计了加速模型的参数及特征标系数向量,从而实现不同应力水平间寿命数据的相互转换.采用Dirichlet过程先验,分别在完全数据情形和截尾数据情形下,得到可靠度函数的后验分布与非参数贝叶斯估计,并证明了后验估计的一致性.最后,通过一个金属氧化物半导体电容寿命实例说明了所建模型的效果.     

基于贝叶斯估计的中国人均GDP之时序模型

本文应用SAS软件对1952-2009年的中国人均GDP建立时间序列模型并对2010-2013年的中国人均GDP进行了预测;在此基础上建立了以时间序列模型得到的参数信息作为先验信息的两种贝叶斯修匀模型与算法。由此所得的参数贝叶斯估计及预测,能充分利用样本信息和参数的先验信息,因而具有更小的方差或平方误差,估计参数更科学。为了检验该方法对先验分布的灵敏性,我们做了基于两种先验分布的模拟预测。将预测结果与传统时间序列预测相比,发现单一正态观测值、方差已知的先验分布的贝叶斯模型得到的预测值更准确,而基于先验分布为指数分布的贝叶斯模型的预测误差较大,预测效果差。     

基于先验信息的社会碳成本贝叶斯不确定性分析

针对气候变化及经济影响存在的巨大不确定性,研究了气候变化不确定性以及先验信息对社会碳成本的影响.在贝叶斯理论框架下,采用指数分布刻画气候变化的分布特征,假设尾部变化率是一个随机变量,给出其伽玛先验分布,推导了气候变化分布的贝叶斯先验预测分布.并分别基于指数分布以及帕累托先验预测分布计算了社会碳排放成本.模拟分析发现,在未融合先验信息的情况下,由于尾部概率很小,不管是否修正消费与气候变化之间的关系,截尾社会碳成本和未截尾社会碳成本几乎重合.然而,在利用贝叶斯方法融合先验信息的情况下,社会碳成本容易受到先验信息的影响.但是,通过修正消费与气候变化之间的关系后,发现社会碳成本受先验信息的影响比较少.     

Dirichlet分布统计性质汇总

Dirichlet分布是一种重要的多维连续概率分布族,广泛应用于贝叶斯统计,是成分数据和比例数据建模中变量分布类型的自然选择．本文对其所具有的优良统计性质进行了汇总证明．     

实证因子模型的贝叶斯半参数分析和模型比较（英文）

为了解决多元数据的异质性,对因子分析模型建立了贝叶斯半参数程序.方法依赖于有限混合分布空间上先验分布的使用.分块吉布斯抽样器用以进行后验分析.L_v测度和贝叶斯因子给出模型比较.基于广义加权中国餐馆算法,给出了半参数模型下数据似然的计算.经验结果显示了方法的有效性.     

基于威布尔分布多部件应力–强度模型的贝叶斯推断（英文）

本文考虑了一个多部件应力–强度模型的可靠性,该模型包括一个应力和多个强度的串联系统.当应力和强度变量服从相同形状参数的威布尔分布时,推导了参数的Jeffreys先验,并给出基于该先验时后验适当性的充要条件.利用Lindley近似和马尔可夫链蒙特卡罗方法对系统可靠性进行估计.通过蒙特卡罗仿真对所提方法进行评估.仿真结果表明,贝叶斯方法要优于极大似然方法,且在小样本情形下尤为突出.最后,以实际数据集为例进行了说明.     

泊松逆高斯回归模型的贝叶斯统计推断

本文研究泊松逆高斯回归模型的贝叶斯统计推断.基于应用Gibbs抽样,Metropolis-Hastings算法以及Multiple-Try Metropolis算法等MCMC统计方法计算模型未知参数和潜变量的联合贝叶斯估计,并引入两个拟合优度统计量来评价提出的泊松逆高斯回归模型的合理性.若干模拟研究与一个实证分析说明方法的可行性.     

以截尾伽玛分布为先验分布的产品失效率的贝叶斯估计

本文研究了基于泊松分布的产品失效率估计问题.利用贝叶斯统计推断方法,获得了以截尾伽玛分布为先验分布时,产品失效率的贝叶斯估计和相关性质,推广了以伽玛分布为先验分布的贝叶斯估计结果.     

Poisson-Dirichlet分布及可逆测度值过程

Poisson-Dirichlet分布是定义在无穷维单纯形上的概率.它刻画了一个取值为离散概率的随机变量的分布.与Poisson-Dirichlet分布密切相关的随机测度包括GEM (Griffiths-Engen-McCloskey)分布、Dirichlet过程、两参数Dirichlet过程和两参数Poisson-Dirichlet分布等.构造与这些分布相应的测度值过程是近些年比较活跃的研究课题.本文介绍近年来这方面的发展状况,并给出一些待研究的问题.