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。     

一元线性回归模型参数估计的MCMC算法

本文探讨了基于MCMC算法实现的一元线性回归模型参数估计的贝叶斯方法,对经典统计方法和贝叶斯统计进行了比较.     

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。     

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。     

中国创业板市场收益率波动性的贝叶斯分析

采用随机波动（SV）模型,实证研究我国创业板市场收益率的波动性.通过基于Gibbs抽样的贝叶斯分析方法,较好地估计了模型参数.基于创业板市场数据的实证结果表明,带杠杆效应的SV-L模型相比基本的SV-N模型能更好地描述股票市场收益率的波动性.     

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．     

非线性回归模型参数估计及其应用

本文的主要研究分为三大部分,第一部分为非线性回归模型的知识,主要包括非线性回归的定义,非线性回归模型的定义,以及它的理论分析;第二部分主要为非线性回归模型参数估计的方法,本文主要探讨非线性回归模型参数估计、最大似然估计和拟似然估计这三种方法;第三部分主要讲述非线性回归模型参数估计的应用实例.这些算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解.     

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.     

无线网络信号模型的自回归参数估计

以傅里叶变换为基础的传统技术所提供的频率分辨率是非常有限的,而基于有理传递函数模型的技术则可以提供更高的频率分辨率。有理传递函数模型比较适合在连续频谱条件下建模,而对于离散频谱,则采用谐波模型更加合适。     

NTM方法在非线性贝叶斯动态模型中的应用

将NTM方法应用于非线性贝叶斯动态模型，给出了它的递推公式以及随机变量的数字特征的计算，与蒙特卡洛方法相比提高了效率和精度.     

线性指数分布参数的Bayes估计

对给定容量为n的线性指数分布样本X1,X2,…,Xn,在Linex损失函数下,利用共轭先验分布讨论线性指数分布参数θ的Bayes估计,多层Bayes估计,E-Bayes估计和极大似然估计.     

Logistic模型中参数估计及其模拟研究

本文在文献[1]提出Logistic模型参数近似估计的基础上,根据被试能力参数的不同情况得到两参数和三参数模型的参数估计新方法,新方法的特点是计算简单而不失精度,蒙特卡洛模拟表明新方法是一种快速而有效的算法。     

随机截断数据Weibull型参数模型的估计方法

构建了数据随机截断情形下的Weibull型参数模型,分别利用经典方法和Bayesian方法对其参数进行了估计。     

基于最小二乘法的灰色模型参数估计

通过建立灰色模型来实现对灰色系统的预测的方法得到了众多学者的重视.其首要一步是通过合适的方法建立灰色模型,然后求解灰色微分方程,再将灰色序列进行还原,从而得到原始序列下一时刻的预测值.在灰色微分方程中有两个未知参数,通过应用广泛的最小二乘法可以对未知参数进行估计.     

GE损失下单边截断型分布族参数的EB估计

在非对称损失函数-GE损失函数下,利用非参数核密度估计方法,构造了单边截断型分布族未知参数的经验Bayes(EB)估计,并在适当条件下,证明了它的收敛速度,最后,给出了一个例子说明适合定理条件的先验分布是存在的.     

指数函数模型参数估计预选条件法及其应用

依据分析指数函数回归模型建立的预选条件的过程,获得了在预选条件满足时指数函数回归模型参数的预选条件法估计公式,通过实例应用预选条件法建立指数函数回归模型,并与最小二乘法建立的指数函数回归模型进行比较:预选条件法建立模型的残差平方和比最小二乘法小,模型更可靠。     

求解强非线性振动方程的改进Duhamal积分方法(英文)

本文提出了一种求解强非线性振动方程的方法 -修正的DUHAMAL积分方法 ,文中证明了所得解的准确度几乎与精确解的相同 ,所给例证表明对所有强非线性问题都是有效的 ,即便是非线性系数趋于无穷大也是如此。     

求解强非线性振动方程的改进Duhamal积分方法

本文提出了一种求解强非线性振动方程的方法－修正的DUHAMAL积分方法，文中证明了所得解的准确度几乎与精确解的相同，所给例证表明对所有强非线性问题都是有效的，即便是非线性系数趋于无穷大也是如此。     

熵损失函数下Lomax分布形状参数的Bayes估计

研究了在熵损失函数下,两参数Lomax分布中形状参数的Bayes估计、多层Bayes估计及E-Bayes估计。     

平方损失下Lomax分布形状参数的Bayes估计

研究了在平方损失下,两参数Lom ax分布中形状参数的Bayes估计、多层Bayes估计及E-Bayes估计.