带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

删失截断情形下Weibull分布多变点模型的参数估计

通过添加缺失的寿命变量数据,得到了删失截断情形下Weibull分布多变点模型的完全数据似然函数,研究了变点位置参数和形状参数以及尺度参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的Bayes估计.详细介绍了MCMC方法的实施步骤.随机模拟试验的结果表明各参数Bayes估计的精度都较高.     

带有不可忽略缺失数据的广义部分线性模型的贝叶斯分析

广义部分线性模型是广义线性模型和部分线性模型的推广,是一种应用广泛的半参数模型.本文讨论的是该模型在线性协变量和响应变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题,在分析过程中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

删失截断情形下失效率变点模型的Bayes参数估计

通过添加部分缺失寿命变量数据,得到了删失截断情形下失效率变点模型相对简单的似然函数.讨论了所添加缺失数据变量的概率分布和随机抽样方法.利用Monte Carlo EM算法对未知参数进行了迭代.结合Metropolis-Hastings算法对参数的满条件分布进行了Gibbs抽样,基于Gibbs样本对参数进行估计,详细介绍了MCMC方法的实施步骤.随机模拟试验的结果表明各参数Bayes估计的精度较高.     

定数截尾缺失数据下双参数指数分布的近似Bayes推断

当寿命分布为双参数指数分布时,本文给出了定数截尾寿命试验数据缺失场合下参数的Bayes估计.为了计算上的方便,本文还给出了Bayes估计的一种近似计算方法.通过大量的Monte-Carlo数值模拟试验,表明这种方法是可行的.     

缺失数据下Pareto分布参数的经验Bayes双边检验问题

本文讨论了缺失数据下Pareto分布参数的经验Bayes(EB)双边检验,利用概率密度函数的核估计构造了参数的经验Bayes检验函数,在适当的条件下证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了它的收敛速度.     

二项分布参数多层Bayes和E Bayes估计的性质

讨论无失效数据下二项分布参数E Bayes估计和多层Bayes估计的性质,证明二项参数的多层Bayes估计和E Bayes估计渐近相等,且E Bayes估计值小于多层Bayes估计值.     

指数分布参数多层Bayes和E Bayes估计的性质

本文讨论无失效数据下指数分布参数多层Bayes估计和E Bayes估计的性质,在超参数分别取两种不同的先验分布下,证明参数的多层Bayes估计和E Bayes估计渐近相等,且多层Bayes估计值小于E Bayes估计值.     

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.     

联合均值与方差模型的Bayes分析

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.