一阶多项式动态模型及贝叶斯预测

本文描述了贝叶斯预测的基本思想以及动态线性模型.系统地讨论了一阶多项式动态线性模型.它是最简单、应用最广泛的一种模型.它体现了动态线性模型的许多重要的基本概念和分析特性.本文介绍了卡尔曼滤波递推算法,并分别根据已知和未知观测方差详细给出了它们的先验分布,预测分布和后验分布.根据实践中 W_t 不易求出,文中引入了折扣概念.并讨论了一阶多项式折扣贝叶斯模型及其预测.最后还讨论了具有实用价值的主观干预模型及其预测方法.     

采样间隔非均匀一阶渐近增长模型及贝叶斯预测

利用贝叶斯预测方法给出采样间隔非均匀情况下的一阶渐近增长模型，当观测误差方差已知时，给出了它的先验分布、预测分布和后验分布的修正递推算法。     

采样间隔非均匀情况下的线性增长模型及其贝叶斯预测

本文直接按采样间隔非均匀的情况研究了一次和二次线性增长模型，并分别就观测误差方差Ｖ＿ｔ＿ｉ已知和未知常数两种情况给出了它们的先验分布、预测分布和后验分布的修正递推算法。     

采样间隔非均匀情况下的季节模型及其贝叶斯预测

主要给出了采样间隔非均匀情况下的季节因子动态线性模型、季节效应动态线性模型和Ｆｏｕｒｉｅｒ形式的季节效应模型,当观测误差方差Ｖｔｉ已知时,给出了它们的先验分布、预测分布和后验分布的修正递推算法。     

贝叶斯动态线性模型的组合预测

组合预测就是将随机变量或向量的点预测进行组合，这些预测是根据几个模型所给出的，一般的方法是求这些点预测的算法平均值。本文给出的是根据模型的预测精度确定权的贝叶斯动态线性模型的组合预测，它的预测精度比取算术平均值的预测精度高。