基于加权Context建模的DNA序列压缩算法

给出一种基于自适应Context加权的细菌DNA序列压缩算法.不同阶数的Context模型用于描述碱基符号间的关联程度.通过加权的方式将各阶模型进行组合,构建用于驱动算术编码器的条件概率分布.各阶模型对应权值由其相应自适应码长决定.在编码过程中,权值能够根据各阶模型获得的统计计数值自适应更新.实验结果表明,该方法能够获得比其他加权Context建模基因组序列压缩算法更好的压缩效率.     

计量经济学模型的贝叶斯估计——以经典单方程为例

文章以正态线性单方程为例,介绍了贝叶斯统计方法在计量经济学模型中的应用,并分析了该问题中贝叶斯估计与普通最小二乘估计的区别和联系.     

农业研究中非线性模型参数估计的贝叶斯方法

在农业研究中,非线性模型有着广泛的应用,其参数估计往往采用变量替换等经典方法.该研究以非线性模型为例,提出了基于Gibbs抽样的贝叶斯估计方法,并以农业研究中的一个实例,演示了贝叶斯估计方法的可行性.结果表明:非线性模型参数估计的贝叶斯方法稳健可靠,适用于农业研究中的复杂非线性模型.     

CD生产函数的贝叶斯估计

本文介绍了CD生产函数和贝叶斯估计,用贝叶斯估计方法估计CD生产函数中的参数。     

基于贝叶斯的金融时间序列预测研究

传统的时间序列分析与预测方法没有考虑样本和参数的先验信息,导致预测结果和实际数据的偏差较大,贝叶斯参数估计方法可以充分利用参数的先验信息,使得估计参数的方差更小,估计结果更加精确,预测结果更真实有用。随着MCMC方法和WinBUGS软件的发展,贝叶斯分析方法估计模型的计算困难逐渐减弱,因此,近年来贝叶斯时间序列预测方法越来越受到关注。本文基于上证指数收盘价的数据,采用Eviews和WinBugs软件,对样本数据进行预处理,利用贝叶斯参数估计方法进行时间序列自回归模型的实证研究分析。     

贝叶斯框架下的自适应质量变量预测模型

针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法。采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本, 再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量。利用基于改进Figueiredo-Jain算法的EM算法估计高斯混合模型参数,构建高斯混合模型逼近贝叶斯网络联合概率密度,训练得到贝叶斯网络下的自适应质量变量预测模型。基于田纳西伊斯曼（TE）仿真过程获得的数据,利用该方法对成分XG进行预测并与传统PCA-BN模型对比。结果证实该方法最大误差下降14.4%,均方根误差下降7.5%,相对误差下降8.3%,验证了该方法解决时变性问题的有效性。     

委托代理关系下代理人参与契约保留效用的贝叶斯估计

委托代理过程中,委托人设计契约时,存在着代理人事前竞争性供给,他们有一保留效用,委托人必须保证代理人至少获得保留效用,才能使代理人愿意参与契约.基于贝叶斯风险函数方法,在委托人和代理人间信息不完全和不对称的条件下研究了保留效用的设计方法,给出了保留效用的合理的贝叶斯估计.     

非线性回归方程 Y =aXb+ ε 参数的贝叶斯估计与应用

对于回归方程参数的估计,常采用经典统计方法。近年来,伴随着计算机技术的快速发展,贝叶斯统计获得了广泛应用。本文利用贝叶斯统计对非线性回归方程Y=aX^b＋ε进行参数估计,并进行了实例演示,验证了该方法的有效性。     

多变量模型参数的贝叶斯估计及其在农业研究中的应用

对于农业研究中多变量线性模型参数的估计,以往常采用经典统计方法。随着计算机技术的进步,贝叶斯统计方法在科学研究的各个领域迅速发展。文章利用贝叶斯统计方法对农业研究中的多变量模型进行参数估计,并与经典统计方法进行比较,验证了贝叶斯方法的有效性。该方法可为农业研究中多变量模型参数的估计提供新的途径和手段。     

论统计推理中贝叶斯归纳的哲学研究

贝叶斯归纳是通过后验概率的贝叶斯定理或从相关先验分布的密度分布,以获得新信息的运算。它以在两个"估计"过程中对贝叶斯归纳的成功运用,回应了所谓"主观性"不能在标榜"客观性"的科学过程中出现的质疑。平稳估计也称稳健性估计,保证贝叶斯估计相对于先验分布的相对独立性,无需为了做一个既准确又精确的贝叶斯估计付出巨大的准确度和精度方面的代价。通过对证据的刻画、对抽样的分析以及对因果假设的检验等分析认为:该研究避免了经典方法中对结局空间及停止规则等依赖的贝叶斯归纳方法,是一种与直观相吻合的、科学的推理方法。     

截尾Gamma分布无失效数据的贝叶斯可靠性分析

对无失效数据（ti,ni）,在时刻ti的失效概率pi=P{T     

截尾Gamma分布无失效数据的贝叶斯可靠性分析

对无失效数据(ti,ni),在时刻ti的失效概率pi=P{T刍ti}的先验分布为截尾Gamma分布时,给出了pi的Bayes估计和多层Bayes估计,从而得到无失效数据情形可靠度的估计.     

多项分布无信息先验的探究

贝叶斯方法是对多项分布参数进行点估计的重要方法.在统计学家对无信息先验作了大量的研究工作的基础上,通过推导得到一组关于该无信息先验分布的结论并利用这组结论研究其后验均值.结果表明:后验均值可使后验均方差达到最小.     

序约束下两个Pareto总体参数的Bayes估计

Pareto分布是意大利经济学家Pareto将其作为一种收入分布介绍的,一个多世纪以来,它不仅在经济收入模型中得到应用,而且在更广泛的应用领域中也越来越受到重视。对Pareto分布主要作了以下两方面的工作：（1）在平方损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。（2）在熵损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。     

序约束下两个Pareto总体参数的Bayes估计

Pareto分布是意大利经济学家Pareto将其作为一种收入分布介绍的,一个多世纪以来,它不仅在经济收入模型中得到应用,而且在更广泛的应用领域中也越来越受到重视。对Pareto分布主要作了以下两方面的工作:(1)在平方损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。(2)在熵损失函数下,讨论了序约束下对任何先验分布的两个Pareto总体参数的Bayes估计,给出了序约束下在给定先验分布时的两个Pareto总体参数的Bayes估计的精确形式,同时证明了该估计是可容许的。     

泊松分布中参数的经典估计与Bayes估计的相等关系

文中证明了泊松分布中未知参数的矩估计和最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该经典估计的结论.     

Bayesian Versus Maximum Likelihood Estimation of Multitrait–Multimethod Confirmatory Factor Models

This article compares maximum likelihood and Bayesian estimation of the correlated trait–correlated method (CT–CM) confirmatory factor model for multitrait–multimethod (MTMM) data. In particular, Bayesian estimation with minimally informative prior distributions—that is, prior distributions that prescribe equal probability across the known mathematical range of a parameter—are investigated as a source of information to aid convergence. Results from a simulation study indicate that Bayesian estimation with minimally informative priors produces admissible solutions more often maximum likelihood estimation (100.00% for Bayesian estimation, 49.82% for maximum likelihood). Extra convergence does not come at the cost of parameter accuracy; Bayesian parameter estimates showed comparable bias and better efficiency compared to maximum likelihood estimates. The results are echoed via 2 empirical examples. Hence, Bayesian estimation with minimally informative priors outperforms enables admissible solutions of the CT–CM model for MTMM data.     

Bayesian statistics in the classroom: Introducing shrinkage with basketball statistics and the internet movie database

This article promotes Bayesian intuition by introducing the concept of shrinkage with some motivational examples involving basketball statistics of Rudy Gobert and movie rankings from the Internet Movie Database. Supplementary and fully automated R code is provided to allow students to explore shrinkage in this dataset on their own. The content is targeted at the first-year undergraduate level. Students with prior exposure to R would most benefit from the supplementary R code.     

A Bayesian Approach to Multilevel Structural Equation Modeling With Continuous and Dichotomous Outcomes

Multilevel Structural equation models are most often estimated from a frequentist framework via maximum likelihood. However, as shown in this article, frequentist results are not always accurate. Alternatively, one can apply a Bayesian approach using Markov chain Monte Carlo estimation methods. This simulation study compared estimation quality using Bayesian and frequentist approaches in the context of a multilevel latent covariate model. Continuous and dichotomous variables were examined because it is not yet known how different types of outcomes—most notably categorical—affect parameter recovery in this modeling context. Within the Bayesian estimation framework, the impact of diffuse, weakly informative, and informative prior distributions were compared. Findings indicated that Bayesian estimation may be used to overcome convergence problems and improve parameter estimate bias. Results highlight the differences in estimation quality between dichotomous and continuous variable models and the importance of prior distribution choice for cluster-level random effects.     

非线性模型中无信息方差和协方差分量Bayes估计

采用Bayes方法从无先验信息出发,得到了非线性模型中方差和协方差分量的估计(包含相关系数),最后通过实例解算,结果表明:非线性模型中方差和协方差分量的估计,与ρ的理论值-0.5偏差不大,当没有先验信息时,该方法是可行的.