广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,II型区间删失数据的贝叶斯估计。假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数。通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性。最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析。     

空间混合效应随机前沿模型估计方法研究

在经典随机前沿模型中引入随机效应和空间效应,构建了空间混合效应随机前沿模型。模型考虑了生产单元技术水平的异质性并且可以有效避免忽略内生性问题导致的有偏且不一致估计量,适用性更佳。使用贝叶斯方法估计模型,核心在于推导未知参数的后验分布以及MCMC抽样。相比于其他估计方法,贝叶斯方法简单直观且精度较高,更适合复杂模型的估计。数值模拟结果显示:①贝叶斯估计的精度较高。增加样本容量有助于提高精度。②忽略随机效应,估计精度偏低。数值模拟表明文中模型和方法有存在必要性。     

基于贝叶斯网络的工程项目进度完工概率分析

针对传统计划评审技术(Program Evaluation and Review Technique,PERT)在计算完工概率时假设条件的局限性(假设条件与工程实际存在偏差,导致完工概率偏大),提出了基于贝叶斯网络的施工进度完工概率分析方法.首先,分析了贝叶斯网络与进度计划网络之间的相似性,将两者结合起来构建了贝叶斯进度网络;在此基础上,综合考虑贝叶斯网络在节点取值及概率计算方面的优越性,并结合工程项目的不确定性及复杂性特点,建立了基于贝叶斯网络的施工进度完工概率分析模型.最后,将该模型应用于具体工程进行实例分析,验证了模型的可行性与有效性.研究结果表明:基于贝叶斯网络的进度完工概率模型充分考虑了工程施工中的风险因素,其结果能更客观地反映工程实际,可为工程项目决策者提供可靠的依据.     

隐马尔可夫因子分析模型的半参数贝叶斯分析

因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.     

幂幂损失下正约束参数的贝叶斯估计量及其应用（英文）

所提出的幂幂损失函数对参数过大或过小具有均衡收敛速度或惩罚,具有本文列出的所有七个性质,因此建议用于正限制参数空间.然后在幂幂损失函数下计算参数的贝叶斯估计量、后验风险、综合风险和贝叶斯风险.接着,我们在一个分层正态–正态逆伽玛模型下解析地计算了这些量.最后,数值模拟验证了我们的理论研究.     

基于风险补偿模型的耐用设备占线租赁策略研究

传统的占线优化理论没有考虑到风险因素,其本质是一种无风险策略,具有一定的局限性,然而在现实中更多的人愿意利用风险来获得额外收益。基于此,本文结合交易费用与现实租赁市场中二手市场存在的情形,研究了耐用设备占线租赁的风险回报模型。风险回报模型是对最优确定性策略的拓展,且概率型预期风险回报模型是对确定型预期风险回报模型的拓展。通过数据分析表明风险回报模型能够有效地提高策略性能,从而使决策者可以根据自己的风险容忍度和预期选择最优的租赁策略。     

基于贝叶斯分层混合模型的大脑FMRI图像分割

功能性磁共振成像(FMRI)是通过探索神经元活动的生物特性来揭示大脑功能的空间和时间信息的神经影像技术,自问世以来迅速应用于医学和脑神经科学的研究。本文针对目前大脑FMRI图像分割方法必须事先给定分割数目的问题,将完备数据似然方法、分层先验和可识别先验引入混合模型,建立一种对先验弱依赖的贝叶斯分层混合模型,采用可逆跳马尔可夫链蒙特卡罗算法对模型参数进行估计,实现在可变维参数空间的跳跃式抽样。对人类大脑FMRI图像的实例分析中,抽样得到的组织成分数与图像强度特征相一致,抽样分割结果图与原始图像相吻合。数据分析结果说明,贝叶斯分层混合模型方法能较好地体现FMRI图像的实际特征,实现大脑FMRI图像的自动分割     

复杂机电产品多元FT VSI贝叶斯控制图性能研究

针对复杂机电产品质量控制与预警困难的问题,构建一种将多元贝叶斯统计方法与经济性能分析相结合的多元贝叶斯控制图性能分析模型.在求解模型中,多元贝叶斯控制图采用固定时间变抽样区间(Fixed Time Variable Sample Interval, FT VSI)策略,若非随机故障小概率发生,则选择宽松抽样方案;若非随机故障大概率发生,则选择严抽样方案.为量化多元贝叶斯控制图经济性能与统计性能的相关度,利用蒙卡罗模拟分析的质量控制模型进行仿真,并在不同经济性参数下,得到采样单位平均数(Average Number of Observations to Signals or End of the production run, ANOSE)对于控制图统计性能的影响程度,进而引出多元贝叶斯控制图的质量控制成本与其误报率的影响程度,并以某型号汽车自动变速器多元质量控制过程为例对多元FT VSI贝叶斯控制图性能评价与优化成果进行验证,结果证明该方法具有较好的应用性.     

基于Gibbs抽样方法ARFIMA-GARCH模型的贝叶斯估计

近年来,ARMA、GARCH模型的研究一直是金融统计方向研究的热点。但是少有人研究ARFIMA-GARCH模型。因此本文提出ARFuNA(p,d,q)-GARcH(r,s)模型,该模型对r=O,s=O时退化为ARMA类模型,对p=O,q=O,d=O时就退化为GARCH模型,它囊括了时间序列的各种情形的。由于理论和实证表明对各种ARMA、GARCH类模型基于常用分布的似然函数得到的模型估计精度不高,故本文提出了基于贝叶斯方估计的MCMC方法来估计模型参数。这样就充分利用了样本信息和模型参数先验信息,因而具有更小的方差,能得到更精确的估计结果。最后本文以上证综合指数五分钟数据来进行仿真分析,建立了基于MCMC模拟方法的贝叶斯估计的ARFIMA(p,d,q)-GARCH(r,s)模型。数据分析中采用典型的Gibs抽样,基于MCMC模拟1500次,舍弃前100次,得到ARFIMA(1,d,1).GARCH(1,1)各参数的贝叶斯估计,并与传统EVIEWS估计得到的参数相比,发现贝叶斯估计更精确。     

基于MCMC模拟的贝叶斯厚尾金融随机波动模型分析

针对现有金融时间序列模型建模方法难以刻画模型参数的渐变性问题,利用贝叶斯分析方法构建贝叶斯厚尾SV模型。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,构造了基于Gibbs抽样的MCMC数值计算过程进行仿真分析,并利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰厚尾的特性,并且证明了我国股市具有很强的波动持续性。