企业诚信度的贝叶斯估计磷究

本文利用贝叶斯分析方法建立了评估企业诚信度的概率估计模型，并选取了一些有代表性的企业进行实证分析。与现有的同类问题研究相比，本模型的特点是将决策者个人经验和主观判断作为先验信息与样本信息相结合、将财务数据与诚信表现相结合，从而提高了估计的可靠性和准确性。     

贝叶斯对数线性估计

用Logits变换方法来讨论列联表的贝叶期估计，这时的估计称为贝叶斯对数线性估计，最早是由Lconard（1973，1975）提出的．Leonard讨论了二维表的对数线性贝叶斯估计；其后，Nazerat（1987）给出了三维表的贝叶斯对数线性估计．该文采用矩阵求微商方法，立足于高维表贝叶斯线性估计的较一般的表达形式；具体对四维表讨论员叶斯对数线性估计的表达和计算．     

随机删失下经验贝叶斯估计的渐近最优性

该文运用经验贝叶斯(empirical Bayes(简称EB))方法,在历史样本和当前样本均被另一个具有未知分布的变量随机右删失的条件下,构造了一个指数分布参数的经验贝叶斯估计并获得了它的渐近最优性．文章最后给出了一个例子和模拟结果．     

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.     

截尾试验下指数分布的贝叶斯估计

在指数分布场合，定数或定时截尾试验，文[1]给出了参数λ在先验分布为Г(α，β)分布的假设下的Bayes估计．文[3]给出了在平方损失下的Bayes估计,本文讨论先验分布为B(a，b)分布时，参数λ的Bayes估计。     

基于分层贝叶斯广义线性模型的小域估计方法研究

当前,构建恰当的小域估计方法是解决我国政府抽样调查中多层次推断问题的关键所在。由于小域的小样本特性,基于频率统计学的小域估计方法推断效果并不理想,而传统基于贝叶斯统计视角的小域估计方法在非连续型变量估计时适应性不强。本文在系统介绍传统贝叶斯小域估计方法的基站上,为了解决离散变量的估计推断问题,将广义线性模型引入到分层贝叶斯方法中,构建了基本的理论机制和分类数据的估计模型。基于此模型,运用全国流动人口动态监测调查2014年广东省内的样本数据进行实例测算,估计出广东省各地级市的流动人口学历分布情况,并将分层贝叶斯广义线性模型的估计结果与传统估计方法进行了对比分析。结果显示,分层贝叶斯广义线性模型在样本量充足的情况下能够准确地估计出目标小域的总体参数,在样本量不足的小域中依然能够给出稳健的估计结果。文章所构建的估计模型不仅可以充分利用先验信息和辅助信息,还适用于对复杂数据进行估计推断,能够为我国政府抽样调查的小域估计实践提供有价值的理论参考。     

诚信度大考验

1．当你的朋友做出你极不赞成的事时——A．你会跟他断绝来往 B．你会告诫自己此事与你无关,同他的关系依然如故 C．你会把你的感受告诉他,但仍然保持友谊 2．你很难原谅严重伤害过你的人吗？A．很难原谅他B．可以原谅他C．可以原谅他,但不会忘记这件事     

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。     

A Bayesian Estimate of the Risk of Tick-Borne Diseases

The paper considers the problem of estimating the risk of a tick-borne disease in a given region. A large set of epidemiological data is evaluated, including the point pattern of collected cases, the population map and covariates, i.e. explanatory variables of geographical nature, obtained from GIS.The methodology covers the choice of those covariates which influence the risk of infection most. Generalized linear models are used and AIC criterion yields the decision. Further, an empirical Bayesian approach is used to estimate the parameters of the risk model. Statistical properties of the estimators are investigated. Finally, a comparison with earlier results is discussed from the point of view of statistical disease mapping.     

Sturm-Liouville问题先验估计的改进

该文完全去掉了[1]中对Sturm-Liouville两点边值问题进行先验估计时,△为单点集这一条件,从而本质上改进了[1]中非平凡解的存在性定理.     

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     

On the normality a posteriori for exponential distributions,using the Bayesian estimation

Summary The Bayesian estimation problem for the parameter θ of an exponential probability distribution is considered, when it is assumed that θ has a natural conjugate prior density and a loss-function depending on the squared error is used. It is shown that, with probability one, the posterior density of the Bayesian—centered and scaled parameter converges pointwise to the normal probability density. The weak convergence of the posterior distributions to the normal distribution follows directly. Both correct and incorrect models are studied and the asymptotic normality is stated respectively.     

相依回归系统回归系数的待定系数估计

对于两个相依线性回归方程组成的系统(1．1)，本文提出了β1的待定系数估计β^*1（k，c)=（x′1x1 k1)^-1(x′1y1-cσ12/σ22x′1N2y2)，其中岭参数k≥0．c是待定系数．与β^*1(k，c)对应的非限定两步估计记为β^41(T，k，c)．当c=1时β^*1(k,1)=β1(k)和β^*1(T,k,1)=β1(T,k)等干[6]引入的一双有偏估计，结果表明总可以选取适当的c值和k值使β^*1(k，c)和β^*1(T,k，c)在均方误差阵准则下分别优于β1和β1(T)，并讨论了c值的最佳选择问题．     

黎曼流形上薛定谔方程的Harnack估计

推导了薛定谔方程正解的一种新的整体梯度估计和Harnack不等式,推广了一些有关热方程的结论,并且得到了一个关于薛定谔算子的刘维尔定理.     

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.     

���ն����ı�Ҷ˹���Ƽ���ͳ�Ʒ���

??The Bayesian model are established for the VaR and related risk measurements. The relationship between VaR and other risk measurements including expect shortfall, tail condition expectation and conditional value at risk are discussed. Furthermore, the Bayesian estimates and Bayesian predictors of these risk measurement are derived. Thirdly, the consistency and asymptotic normality in the exponential risk model are proved. Finally, the numerical simulation method is used to verify the convergence rate under different sample sizes.