混合weibull分布定数截尾数据下参数的Gibbs抽样

为解决在定数截尾的情况下混合weibull分布的参数估计问题,给出了混合weibull分布的后验参数估计形式,设计了用于参数Bayes估计的Gibbs抽样方案.通过随机模拟,结果显示,采用Gibbs抽样算法的参数估计具有一定的有效性和良好的稳定性,特别在样本较少的情况下优于使用EM算法的估计结果.     

混合效应随机微分方程的贝叶斯分析(英文)

采用带有随机微分方程的非线性混合效应模型对群体药物代谢动力学数据建模,通过在状态方程中引入随机项,将常微分方程扩展到随机微分方程.和常微分方程相比,随机微分方程可解决群体药物代谢动力学模型中相关残差问题.利用贝叶斯估计对非线性混合效应随机微分方程模型参数进行估计,给出群体参数及个体参数的精确后验分布,将Gibbs和Metropolis-Hastings算法相结合,给出参数估计值.通过计算机模拟和实例分析验证了方法的可靠性,结果表明利用非线性混合效应随机微分方程模型及贝叶斯估计方法分析群体药物代谢动力学数据是可行的.     

完全数据下混合weibull分布参数的MCMC估计

混合weibull分布是可靠性分析中的一类重要的分布,假设样本服从二重混合weibull分布,即可给出后验参数估计.本文采用基于Gibbs抽样的马尔科夫链蒙特卡罗方法(MCMC),设计了用于参数Bayes估计的抽样方案,通过模拟研究,与EM方法进行比较.结果显示,采用Bayes方法估计参数具有一定的优越性.     

NMAR机制下线性回归模型的贝叶斯分析

本文对正态线性模型中存在不可忽略缺失数据时,如何使用贝叶斯方法对参数进行估计进行了探讨。并给出了相应的后验分布,介绍了相关的抽样方法。     

基于重要性采样的最大似然时延估计算法

针对多径环境中的时延估计,提出了一种基于重要性采样概念的算法。该算法利用蒙特卡罗算法(MC)对未知参数的分布函数抽样,获得简化似然函数的全局最优解,进而通过计算样本均值直接得到参数估计结果。该方法避免了耗时较长的多维网格搜索和对初值较为敏感的迭代算法,且能够无条件收敛至全局最优值。仿真结果表明,在相同样本条件下,该算法相比于EM、MUSIC算法,不仅消除了对初值的依赖性,也获得了更接近克拉美罗界(CRLB)的仿真结果。将该算法与其他多种算法进行计算复杂度分析后发现,IS-based算法较其他算法更为简单,计算量更低,具有较为重要的工程应用价值。     

“马尔可夫链蒙特卡洛”(MCMC)方法在估计IRT模型参数中的应用

本文介绍和阐述怎样运用“马尔可夫链蒙特卡洛”(MCMC)技术,并结合Bayes方法来估计IRT的模型参数。首先简要地概述了MCMC方法估计模型参数的基本原理;其次介绍MCMC方法估计模型参数的一般方法,涉及Gibbs抽样、取舍抽样、Metropolis-Hastings算法等概念和方法;最后以IRT的“二参数逻辑斯蒂”(2PL)模型为例,重点介绍了用“Gibbs范围内的M-H算法”估计项目参数(β1jβ2j)的算法过程。结束本文时还解说了MCMC方法的特点。阅读本文需具有随机过程、Markov链、Bayes方法等概率论的基本知识。     

基于惩罚方法的贝叶斯群组变量选择

本文针对既选择组水平变量又选择组内单个变量这两种情况下的变量选择惩罚方法,从贝叶斯的角度进行分析,指出其能被表示为一个最大后验估计.之后,给出贝叶斯框架下的两种群组变量选择惩罚方法的层次模型表达形式,并给出参数估计适于Gibbs抽样的满条件分布.最后,通过模拟比较得出结论:分别用BGL、BSGL模型进行组变量选择和双层变量选择是可行的,但得到的模型在验证集上的预测误差较大.     

基于删失试验的贝叶斯共享异质分段指数危险模型

针对在删失试验的生存分析中,为了估计不同协变量在组内的相互影响以及一些无法观测的协变量产生的异质影响,在基准危险函数为分段指数的情形下,给出贝叶斯共享异质模型,利用Gibbs抽样得出参数的后验分布,然后对模型给出一个实证分析．模型采用乘法异质模型,利用WinBUGS软件得出后验参数相关统计量,说明此模型的有效性和可靠性．     

LDA主题模型研究综述

主题模型在机器学习领域已成为研究的一大热点问题.本文系统阐述LDA(Latent Dirichlet Allocation)主题模型参数估计和Gibbs抽样算法,介绍常见的LDA改进和扩展模型,最后分析LDA模型在文本挖掘领域的应用情况.     

混合Bernoulli分布参数估计的EM算法研究

本文构造了有限混合Bernoulli分布模型。由于有限混合Bernoulli分布模型依赖于参数的取值,我们必须求解未知参数的极大似然估计,基于常规方法求解对数似然函数的最大值点很困难,所以本文基于EM 算法研究了有限混合Bernoulli分布模型的参数估计,并利用R软件进行了随机模拟。