基于Gibbs抽样算法的两参数Pareto分布的Bayes估计

本文在非正常先验分布下讨论了基于Linex非对称损失函数的两参数Pareto分布的Bayes估计,证明了Linex损失函数下的Bayes估计是可容许的,并利用Gibbs抽样算法进行了Bayes估计实现;通过数值模拟,比较了极大似然估计与Bayes估计的风险。结果表明:Pareto分布的尺度参数的Bayes估计效率一致高于极大似然估计;在小样本情形下,当损失函数的尺度参数大于0时,Pareto分布的形状参数的Bayes估计的效率高于极大似然估计。

基于Gibbs抽样算法的三参数威布尔分布Bayes估计

由于三参数威布尔分布概率密度函数较为复杂,后验分布的积分计算成为进行Bayes估计的主要障碍。利用Gibbs抽样算法研究Bayes估计的计算问题。首先描述Gibbs抽样算法的特点,在定数截尾寿命试验情形下,推导无先验信息的参数联合后验分布,然后,结合取舍抽样方法,设计计算参数Bayes估计的Gibbs抽样方案,最后给出一个算例。结果表明,与传统的数值积分法相比较,Gibbs抽样算法更加简便直接,更适于计算可靠性指标的Bayes估计。

基于Gibbs抽样的厚尾SV模型贝叶斯分析及其应用

我国的金融时间序列存在普遍的波动性现象,而波动性又存在尖峰厚尾现象。首先对反映波动性特征的厚尾金融随机波动模型(SV-T)进行贝叶斯分析,然后构造基于Gibbs抽样的MCMC数值计算过程进行仿真分析,最后利用DIC准则对SV-N模型和SV-T模型进行优劣比较。研究结果表明:在模拟我国股市的波动性的方面,SV-T模型比SV-N模型更优,更能反应我国股市的尖峰后尾的特性,并且证明了我国股市具有很强的波动持续性。

用Gibbs抽样算法计算定数截尾时Weibull分布的贝叶斯估计

本文假设产品寿命服从两参数 Weibull分布 ,在定数截尾寿命试验的情况下 ,利用近年来发展起来的 Gibbs抽样算法 ,设计了计算参数贝叶斯估计的 Gibbs抽样方案 ,计算了一个实例并与经典的 BL UE和 BL IE估计结果进行比较。结果表明 ,较之传统的数值积分法 ,Gibbs抽样算法使用起来方便直接 。

基于Gibbs抽样的贝叶斯金融随机波动模型分析

通过分析随机波动模型的统计结构,推断了SV模型似然函数的具体形式,据此构造了模型参数的共轭先验分布.利用贝叶斯定理获得了相应的模型参数后验条件分布.同时,为了获得模型参数的贝叶斯估计及其置信区间,设计了基于Gibbs抽样的MCMC数值计算程序,并利用上海综合指数和深圳成分指数数据进行了建模实证分析,解决了参数随机条件下金融随机波动时间序列建模问题,提高了模型预报精度.

基于Gibbs抽样的马尔科夫蒙特卡罗方法在结构物理参数识别及损伤定位中的研究

通过对结构动力特征方程进行的一系列变化,得到了线性结构识别模型,并由贝叶斯更新理论得到其后验分布形式。利用结构的模态参数,并考虑其随机性,应用基于Gibbs抽样的马尔科夫蒙特卡罗方法对线性结构识别模型中各参数的条件后验分布进行了抽样,成功地实现了结构物理参数识别及损伤定位。数值算例表明:Gibbs抽样结果可以以不同的方式标识结构的损伤程度及位置且识别的误差较小。

基于Gibbs抽样算法的面板数据分位回归方法

文章讨论了含有随机效应的面板数据模型,利用非对称Laplace分布与分位回归之间的关系,文章建立了一种贝叶斯分层分位回归模型。通过对非对称Laplace分布的分解,文章给出了Gibbs抽样算法下模型参数的点估计及区间估计,模拟结果显示,在处理含随机效应的面板数据模型中,特别是在误差非正态的情况下,本文的方法优于传统的均值模型方法。文章最后利用新方法对我国各地区经济与就业面板数据进行了实证研究,得到了有利于宏观调控的有用信息。

分组数据的Bayes分析—Gibbs抽样方法

分组数据是可靠性试验中常见的一类不完全数据，由于似然函数比较复杂使Bayes分析很困难。本文利用Gibbs抽样方法，对分组数据的Bayes分析就容易实现，在寿命分布是威布尔分布情形，本文还给出了Gibbs抽样和Metropolis算法杂合的抽样方法，最后还讨论了Gibbs抽样方法的一些特点，并通过一些模拟结果对现有的几种处理分组数据的方法进行了比较。

基于Gibbs抽样的红外成像小间距目标分辨方法

利用红外成像系统跟踪多个相距很近的点目标时,目标在成像面上的弥散像会发生交叠,导致成像系统无法有效分辨这些目标。本文提出了一种分辨这类小间距目标(Closely Spaced Objects,CSO)的新方法,通过建立小间距目标的成像模型,采用Gibbs抽样方法对小间距目标在焦平面上的中心位置和响应幅度进行估计,并利用贝叶斯信息准则(Bayesian Information Criterion,BIC)检测目标数目。针对仿真生成的红外图像进行了仿真实验,实验结果表明本文方法对小间距目标的分辨是有效的。

Gibbs抽样算法及软件设计的初步研究

基于贝叶斯理论框架 ,对适应于广义线性模型的Gibbs抽样技术及相关算法进行了理论与实践的研究 ,初步提出了在面向对象开发环境下开发该类软件的基本构架。对实例进行实际运算并将计算结果与权威统计软件SPSS及WinBUGS进行对比 ,参数估计值相互接近 ,模拟运算时间短 ,但与WinBUGS相比仍有差距。

贝叶斯复合分位回归的Gibbs抽样算法（英文）

大多数基于传统均值回归的建模方法都对非正态误差表现出不稳健的估计结果.和传统均值回归相比,复合分位回归(CQR)可以产生稳健的估计.基于一个复合反对称Laplace分布(CALD),我们建立了加权复合分位回归(WCQR)的贝叶斯分层模型.Gibbs抽样算法被发展用于WCQR的后验推断.最后,我们提供了一些模拟研究和一个实际数据分析来验证所提方法.

一种基于Gibbs抽样的多信号源分辨方法

对落在同一距离单元、同一波束内且多卜勒参数相近的多个目标回波,常规单冲雷达是难以区分的。本文提出一种分辨多个信号源的新方法,即采用Gibbs抽样方法对多信号源进行角估计,利用最小描述长度(MDL)准则检测信号源数目。仿真结果证实所提方法对多信号源的分辨是有效的,如当目标信噪比为20dB、目标数为2个时,可达100%的分辨。

基于Gibbs抽样的贝叶斯黄金期货市场长记忆特征研究

文章针对金融市场长记忆特征的刻画问题,构建了贝叶斯长记忆随机波动模型。在LMSV模型的基础上,结合状态空间转换以及Kalman滤波分析,同时将向前滤波向后抽样算法引入对波动变量的估计过程中,推断出随机波动模型各参数的满条件后验分布,设计Gibbs联合抽样算法,据此估计模型参数,并对SHFE黄金期货价格和TOCOM黄金期货价格数据进行了实证分析。

一种基于Gibbs抽样的可靠性增长Bayes方法

针对由幂律过程描述的可靠性增长模型,提出了一种基于Gibbs抽样的可靠性增长Bayes分析方法。通过Gibbs抽样,该方法能够很方便地计算出可靠性增长模型参数及参数函数关于后验分布的数字特征,避免了传统Bayes方法中复杂的高维积分计算。基于Gibbs抽样的可靠性增长Bayes分析方法不仅可以用于单台/多台系统,而且也适用于小子样可靠性增长问题,其优越性由具有精确解的算例进行了充分地说明。

基于Gibbs抽样算法的贝叶斯动态面板数据模型分析

针对现有动态面板数据分析中存在偶发参数和没有考虑模型参数的不确定性风险问题,提出了基于Gibbs抽样算法的贝叶斯随机系数动态面板数据模型.假设初始值服从平稳分布,自回归系数服从Logit正态分布的条件下,设计了Markov链Monte Carlo数值计算程序,得到了模型参数的贝叶斯估计值.实证研究结果表明:基于Gibbs抽样方法的贝叶斯动态面板回归模型能有效地揭示跨截面滞后变量对响应变量的位置、尺度和形状的影响.

生物序列模体的混合Gibbs抽样识别算法

针对生物序列模体的识别问题,提出了一个新的混合Gibbs抽样识别算法.算法基于混合模体模型学习,采用贪心策略,通过似然度最大化,逐次将新的模体加入到混合模型中.算法中设计了位点抽样和模体抽样两种抽样方法,这两种抽样方法交替进行.为了加速搜索过程,对输入数据集采用了基于kd-trees的分层划分策略.实验结果表明,该算法对序列家族大量模体特征的识别具有显著优势,并且可建立更具统计特征的模体模型,从而提高序列分类的准确性.

等级反应模型的Gibbs抽样方法

探讨了MCMC算法在多级评分项目反应模型参数估计中的实现及其估计精度.针对等级反应模型,基于数据扩充技术,提出了一种高效灵活的Gibbs抽样方法,得到了各个参数的Markov链.随着潜在变量的引入,每个参数的满条件分布为相应参数的先验分布的截断分布.这种抽样方法适用于任何类型的先验分布,不受先验分布形式的约束.对应每个待估参数,去掉所得Markov链前面的一些迭代值,用后面的迭代结果作估计,得到相应参数的Bayes后验估计.并通过随机模拟实验验证了该方法的有效性.

利用Gibbs抽样方法估计丹系长白猪乳头数的遗传参数

建立了单性状动物模型通过 Gibbs抽样对丹系长白猪乳头数遗传参数进行贝叶斯 (Bayesian)估计 ,并与约束最大似然 (REML)估计进行比较。数据包括 9898个个体总乳头数及系谱记录。模型中性别为固定效应 ,个体遗传效应为随机效应。结果表明 ,丹系长白猪乳头数的遗传方差组分、环境方差组分及遗传力的后验均值估计分别为 1.0 4 6± 0 .0 0 9,0 .534± 0 .0 0 5,0 .6 6 1± 0 .0 0 4 ,相应的 REML 估计值为 1.0 36 ,0 .539,0 .6 58,两者之间差异不显著 (P>0 .0 5)。 Gibbs抽样时不同的先验值对后验均值估计有一定影响。

基于Gibbs抽样的贝叶斯稳健ARMA模型研究

针对ARMA模型建模过程中模型识别和参数估计易受观测值异常点影响问题,构建了同时考虑加性异常点和更新性异常点的ARMA模型.运用基于Gibbs抽样的Markov Chain Monte Carlo贝叶斯方法,估计稳健ARMA模型参数,同步确定观测值中异常点的位置,辨别异常点类型.并利用我国人口自然增长数据进行仿真分析,研究结果表明:贝叶斯方法能够有效地识别ARMA序列的异常点.

基于Gibbs抽样的随机波动模型族的贝叶斯研究

文章运用Gibbs抽样的MCMC方法对上证综指建立SV-N、SV-MN、LeverageSV三类随机波动模型,并利用DIC准则进行优劣比较分析。实证结果表明,具有杠杆效应的随机波动模型,即LeverageSV模型较其他两类模型能更好地描述上海股市的波动性。