一类SIR流行病模型及参数的贝叶斯估计

介绍了一类在固定人口条件下的标准流行病的随机模型,讨论了该模型的解及其性质,进一步对其参数进行了贝叶斯估计,对其先验分布的超参数也给出了确定的方法.     

零膨胀泊松模型中风险参数的贝叶斯估计

该文建立了贝叶斯模型,讨论了零膨胀泊松分布中参数的估计问题.在平方损失函数、Linex损失函数和Stein损失函数下得到了风险参数的贝叶斯估计.进而,引进了信度理论,在平方损失函数下得到了风险参数的信度估计,证明了估计的相合性.最后,通过数值模拟的方法对估计的收敛性进行了比较.     

Rayleigh分布参数的贝叶斯经验贝叶斯估计

文章在均方损失函数下研究了Rayleigh分布参数的贝叶斯经验贝叶斯估计问题;在b=1条件下,证明了其贝叶斯经验贝叶斯估计是几乎处处收敛于贝叶斯估计的,并且它是渐近最优的;最后,给出蒙特卡罗随机模拟试验验证了此贝叶斯经验贝叶斯估计的渐近最优性。     

指数模型单参数的线性贝叶斯估计

(χ,λ)是二维随机向量,X1,X2,…,X为来自指数总体i.i.d样本,它们的条件分布χIλ～E(λ),在参数λ的先验分布未知的情况下,根据λ的期望和方差所具有的性质,证明了参数λ与样本X1,X2,…,X存在一定程度的线性关系,利用这一特性和λ的充分统计量,导出λ在平方损失函数下的贝叶斯估计,并进一步讨论了其渐近性.     

指数模型单参数的线性贝叶斯估计

（X,λ）是二维随机向量,X1,X2,…,Xa为来自指数总体i．i．d样本,它们的条件分布X｜λ～E（h）,在参数入的先验分布未知的情况下,根据入的期望和方差所具有的性质,证明了参数入与样本X1,X2,…,Xa存在一定程度的线性关系,利用这一特性和入的充分统计量,导出入在平方损失函数下的贝叶斯估计,并进一步讨论了其渐近性。     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

模型参数分布未知的贝叶斯预测

本文介绍了线性贝叶斯方法，并将其应用于贝叶斯动态线性模型，得到了模型参数分布未知情况下模型的修正递推及预测算法，从而拓宽了贝叶斯动态线性模型的适用范围。     

正态模型单参数经验贝叶斯估计

依据经验贝叶斯估计的思想方法,研究在平方损失函数下,正态模型单参数的经验贝叶斯(EB)估计问题.先将理论贝叶斯估计用的边际分布密度函数及该分布密度函数的一阶导数表示出来,再利用过去样本值和当前值 ,采用密度函数的核估计方法构造相应的函数代替理论贝叶斯估计中的函数,得到参数的经验贝叶斯估计,最后证明了所得到的经验贝叶斯估计是渐近最优的.     

基于贝叶斯理论的单音音乐节奏提取

音频音乐信号的特征分析具有广泛的应用前景,如音乐检索、乐器识别等。本文先引入贝叶斯节奏模型,然后用基于贝叶斯理论的序列蒙特卡罗方法,推断音乐片段的小节和节拍的位置。对不同乐器演奏的、不同音乐速度的、不同节奏模式的音乐,本方法均能有效地提取节奏特征。     

应用Stan软件包实现IRT模型的贝叶斯参数估计

Stan是一个新的用于估计指定统计模型的概率编程语言,它使用了强大而高效的汉密尔顿蒙特卡罗(Hamiltonian Monte Carlo,HMC)抽样算法,相比较传统的Gibbs抽样和Metropolis算法具有显著的效率提升.R软件包“rstan” 链接了R与Stan 2个软件,使得Stan可以借助R的计算环境运行.首先,该文通过3参数Logistic(3PL)模型代码介绍了Stan的程序语言; 其次,该文使用Stan计算2个评估模型-数据拟合的全新指标WAIC和LOO,为应用Stan进行IRT模型相关研究提供了有效的参考工具; 最后,该文还采用了2个真实数据分别考察了Stan在单维IRT模型和多维IRT模型参数估计中的运行表现.研究结果表明:采用一个新的贝叶斯统计软件Stan,通过2个实证研究验证了该方法的有效性与可行性,为国内学者应用Stan进行IRT模型相关研究提供了有效的参考资料.     

关于两种贝叶斯模型的一致性比较

主要讨论两样本情况下两种不同贝叶斯估计方法之间存在的差异.方法一是假定x_i（i=1,2）关于θ_i（i=1,2）条件独立;方法二假定x₁、x₂无条件独立.在考虑θ1的统计分析时,研究这二种方法的结果有无明显的差别.由实际分析可以得出结论：用两种模型对θ₁进行贝叶斯估计差异不大.     

加速寿命试验下参数的贝叶斯估计

在加速寿命试验中,贝叶斯估计作为一个常用的估计方法。在用贝叶斯方法估计带约束的参数时,自然考虑到保序回归。使用保序回归解决了不符合约束的情形中的估计。     

分位回归马尔可夫转换ARCH模型的贝叶斯分析

针对经济时间序列波动的复杂性和不确定性,不考虑残差项分布形式的情况下,本文提出了一类分位回归马尔可夫转换ARCH模型。在贝叶斯理论框架下,选择扩散先验分布和非对称Laplace分布似然函数,实现了对MS-ARCH模型的贝叶斯分析。仿真分析发现分位回归MSARCH模型可以有效地刻画条件异方差时间序列的变结构性。     

Linex损失下二项分布参数的Bayes估计

在Linex损失函数下讨论了二项分布参数的Bayes估计,当先验分布取Beta分布和幂分布时分别给出了参数的Bayes估计,多层Bayes估计,E-Bayes估计的精确形式,并证明了Bayes估计的可容许性.     

基于随机参数的贝叶斯统计质量控制模型

为了研究正态共轭参数先验分布和正态一逆Gamma共轭参数先验分布下产品质量特性的控制问题，应用贝叶斯统计推断方法，通过不同控制对象的预报分布密度函数，构造了方差已知时质量特性的贝叶斯均值控制图和方差未知时的贝叶斯均值一标准差控制图，结论表明：经典统计质量控制模型是贝叶斯质量控制模型的一类特殊情况。     

帝尔尼和卡登近似在一类非线性动态模型中的应用

对于状态方程为非线性的贝叶斯动态模型进行了帝尔尼（Tierney）和卡登（Kadane）近似,完成了样本的修正递推,并对模型进行各种预测和推断。     

复合LINEX对称损失下Poisson分布参数的Bayes估计和E-Bayes估计

在复合LINEX对称损失函数下,给出Poisson分布参数λ的Bayes估计及E-Bayes估计,并通过数值模拟验证Bayes估计及E-Bayes估计的合理性及优越性.     

基于MH算法的贝叶斯分位自回归模型

针对时间序列分布特征多样性的问题,不考虑序列本身的分布特征而选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.利用Metropolis-Hastings算法模拟参数的后验边缘分布,解决了参数估计过程遇到的高维数值积分的问题.仿真分析中,参数的迭代轨迹是收敛的,说明MH抽样有效地模拟了参数的后验边缘分布;并且应用该方法估计出了不同分位数下模型参数的后验均值,标准差,MC误差和95%的置信区间.非对称和局部持续性数据的数值模拟,证实了贝叶斯分位自回归模型可以更全面有效地描述滞后变量对响应变量变化范围和条件分布形状的影响.     

带不可忽略缺失数据的再生散度随机效应模型的Bayes估计

在响应变量带有不可忽略缺失数据的前提下得到非线性再生散度随机效应模型的Bayes方法.缺失数据机制由Logistic回归模型定义,根据Gibbs抽样技术和MH算法得到模型参数、随机效应因子以及缺失数据机制中回归系数的联合Bayes估计,并进行了实例分析.