基于Gibbs抽样算法的贝叶斯动态面板数据模型分析

针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题,提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布,自回归系数服从Logit正态分布的条件下,设计了Markov链Monte Carlo数值计算程序,得到了模型参数的贝叶斯估计值.实证研究结果表明:基于Gibb...     

物流成本的推断方法研究

原本方物流成本和第三方物流成本会因各自条件明显欠缺而难以集中并进行会计核算．尽管如此,却可以运用统计方法对它们进行估算,即在理清物流成本结构的基础上,分别对物流需求者和物流经营者总体的有关特征进行抽样推断,进而估算出原本方物流成本和第三方物流成本以及由它们合成的物流供给成本．抽样推断方法具有科学性和可操作性,能有效解决物流成本估算问题,其应用成果为制定物流发展规划或设计物流建设方案提供了依据,为解决物流卫星账户构建之瓶颈问题奠定了重要基础．     

二项分布基于logit变换的近似信仰推断

利用调整的logit 变换后估计量的渐近正态性对二项分布建立了近似的枢轴方程, 并由此得到了二项分布参数的一种近似信仰分布. 对一样本和两样本情形的数值结果表明, 该近似信仰分布导出的区间估计具有比文献中推荐的区间估计更好的小样本频率性质.     

基于单倍型的复杂疾病基因定位研究

本文讨论了复杂疾病基因定位研究中的单倍型关联分析方法及与之相关的单倍型推断方法,指出了目前已有方法存在的问题与面临的困难,这些困难及问题正是现代统计学研究的热点和亟待解决的问题.通过统计上的思考与理解,提出了一些有待进一步研究的问题.     

基于DNA微阵列数据分析的分级Bayes模型

如何分离出少量区别不同组织类型的特异性基因是DNA微阵列数据分析中的主要问题,特别是构建恰当的统计模型来刻画这些不同组织类型的DNA表达形式尤为重要.为此,基于基因DNA微阵列数据的特点,我们假定对数变换后的微阵列数据服从混合正态分布.我们采用分级Bayesian先验刻画不同基因的相关性,利用分级Bayesian方法构建模型,给出了刻画不同组织基因表达的差异的一个标准,用MCMC迭代计算该标准.模拟计算表明我们的模型具有较好的识别能力.     

基于变分高斯混合模型的图像分割算法

提出了一种基于变分推断的高斯混合模型的图像分割算法. 该算法首先用贝叶斯混合高斯模型对图像的特征进行建模, 并针对模型的参数学习问题, 利用变分推断算法估计模型的参数及其后验概率; 这种方法比采样法的计算量更少, 而且能够根据图像数据自动优化混合个数, 实现了模型的自动选择. 最后, 该算法在Berkeley的自然图像集上进行的实验结果与经典的图像分割算法进行了比较, 结果表明此方法得到的图像分割结果精度较高, 具有较好的性能.     

基于灰色理论的线性模型参数理论及应用

线性模型是经典统计学的基本内容,主要应用于随机数据的建模分析。如何对非随机的模糊或灰色等不分明性数据进行模型构建和统计分析。基于灰色系统理论,在一系列关于灰色统计推断理论的研究基础上,将灰色估计和灰色假设检验等方法拓展到线性模型的参数估计和假设检验中。与经典统计分析方法进行对比,为不分明数据的建模分析提供新的方法。     

用概率推断法确定多工况二维疲劳设计谱的载荷最大值

对各工况下的二维疲劳载荷,采用权系数的方法,合成并获得了多工况下的二维载荷联合概率密度函数。并由超越概率10-6对载荷进行外推,研究了确定多工况下二维疲劳设计谱中载荷最大值的概率推断——最速下降法的计算方法和步骤。实例的分析与比较,说明该方法是合理的和准确的,并由载荷最大值的分级和计算,编制了多工况下的8×8的二维疲劳设计谱。     

基于条件分布函数的高维回归模型的变量选择方法

高维回归分析的变量选择问题是目前统计学研究的一个热点和难点问题.提出了一个基于条件分布函数的相关性度量准则,并在此基础上提出三种变量选择方法.与现有的方法相比,提出的方法不依赖于统计模型,可以适用于线性模型和非参数可加模型.数值模拟结果表明,即使协变量之间存在一定的相关性,方法也有较为满意的表现.     

如何突破无机框图题的围栏

从无机框图题的推断方法、解题步骤、突破口的寻找、应用举例4个方面作了充分论述。