共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
文章在“平方损失”下,研究了Lomax分布族形状参数经验Bayes(EB)双侧检验问题,利用概率密度函数的递归核估计,构造了形状参数的经验Bayes检验函数,证明了所提出的经验Bayes检验函数的渐近最优(a.o.)性,并获得了其收敛速度. 相似文献
4.
5.
NA样本下两参数Lomax分布形状参数的经验Bayes检验 总被引:2,自引:0,他引:2
文章在加权线性损失函数下,讨论了NA样本情形下两参数Lomax分布参数θ的经验Bayes单侧检验问题:H0:θ≤θ0←→H1:θ>θ0,利用概率密度函数的核估计构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性,并在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近0(n-1/2). 相似文献
6.
文章在加权线性损失函数下,基于NA样本,讨论了两参数Burr Type Ⅻ分布参数θ的经验Bayes单侧检验问题:H0:θθ0 H1:θ>θ0;利用概率密度函数的核估计和经验分布函数构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性;在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近Ο(n-1/2)。 相似文献
7.
8.
文章在加权线性损失函数下,基于NA样本,讨论了两参BurrTypeX11分布参数口的经验Bayes单侧检验问题:Ho:θ≤θo H1:θ〉θo;利用概率密度函数的核估计和经验分布函数构造了参数的经验Bayes单侧检验函数,并获得了它的渐近最优(a.o)性;在适当的条件下证明了所提出的经验Bayes检验函数的收敛速度可任意接近O(n^-1/2)。 相似文献
9.
10.
分层线性模型中的经验贝叶斯与完全贝叶斯方法及其比较 总被引:1,自引:1,他引:0
文章对基于最大似然估计(ML)和基于约束最大似然估计(REML)的经验贝叶斯方法(EB)进行了比较;指出了经验贝叶斯和完全贝叶斯方法各自存在的问题,并对两种方法进行了比较:给出了关于应用中如何选择推断方法的建议. 相似文献
11.
文章依据经验贝叶斯估计的思想,研究在平方损失函数下,正态模型中刻度参数的经验Bayes(EB)估计问题. 相似文献
12.
本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。 相似文献
13.
14.
在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征.由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度.文章建立贝叶斯模型,对偏度系数提出近似线性贝叶斯估计,并在多条数据结构下,对先验分布的超参数提出合适的估计,得到偏度系数的经验贝叶斯估计. 相似文献
15.
文章基于对经典假设检验和贝叶斯检验的对比研究,指出了经典假设检验在使用中存在的一些问题,给出了贝叶斯统计对这些问题的处理方法。 相似文献
16.
Linex损失及PA样本下单边截断型分布族参数的EB估计 总被引:1,自引:0,他引:1
文章在Linex损失函数下,充分运用同分布PA样本密度函数的核估计方法,构造了一类单边截断型分布族参数的EB估计,并建立了它的收敛速度,在一定条件下这个收敛速度可充分接近1。 相似文献
17.
文章针对小批量产品抽样检验存在的样本量大、检验费用高等问题,研究了基于贝叶斯理论的抽样检验方法,该方法充分利用质量的历史信息,以费用最小为目标,在保证质量的前提下,尽可能减少所检验样品的个数,降低检验的工作量和成本. 相似文献
18.
讨论了四种不同MCMC抽样方案在SV模型贝叶斯估计中的适应性和稳健性问题。蒙特卡洛模拟结果显示,随机误差项的近似处理方式和波动变量抽样结构直接影响SV模型的贝叶斯估计效率。具体来说,波动变量的"成块"抽样比"逐分量"抽样的效率更高;随机误差项有限混合近似比正态近似的估计精度更优。四种抽样方案中,正态近似和FFBS算法的收敛速度和运算时间最快,有限混合近似和FFBS算法的估计精度最优。 相似文献
19.
文章基于贝叶斯随机搜索方法的思想,提出一种有效解决门限自回归(TAR)模型的贝叶斯方法,在不假设固定的机制个数条件下,借助拉丁变量建立贝叶斯随机搜索TAR模型.在此模型下,拉丁变量的后验分布包含了机制的个数和门限参数的信息,因此滞后阶数、门限值和所有回归系数等的估计均通过MCMC方法从其后验分布抽样.并从模型AR(1)、TAR(2,1,1)、TAR(3,1,1,1)中产生样本,模拟结果表明此方法能很好地估计机制数、延迟参数、门限值及各机制下的回归系数.用贝叶斯随机搜索TAR模型对太阳黑子年度数据集进行分析,找到三个门限值,即10.2,40和73,与已有文献中用其他方法得到的结果一致. 相似文献
20.
抽样检验使我们可以从抽检样本的结果来推断送检批总体的质量,从而在“接收”或“拒收”等不同行动中作出正确的选择.由此可见,抽样检验是具有一定的价值的.在市场经济中,谁掌握这种价值的分析估算方法,谁就能在这个环节获利较多或受损较少.古典的贝叶斯决策理论正是解决这个问题的有力工具.本文试以一个实际例子,详析抽检费用的贝叶斯分析方法.此法计算量较大,但若用计算机或带科学计算的计算器,并不难解决,故有实用价值.通过本文也可看到贝叶期决策理论的一般思路.某公司有机会购买一批旧碗.旧碗成箱销售,每箱为25只.每箱价格为32.5元.其中坏的碗每 相似文献