非正态假定下贝叶斯动态线性模型的监控研究(英文)

对非正态假定下贝叶斯动态模型,特别是非线性的模型的监控,一直是个难题.本文通过构建基于样本点的统计量,实现了对非正态假定下贝叶斯动态线性模型的监控.该方法也适用于非线性的贝叶斯动态模型.

贝叶斯动态线性模型的一种实用处理方法

推广了Le Cam的一个定理，并将其应用到一般的贝叶斯动态线性模型和矩阵动态线性模型。作为结果，得到了它们的实用递推模型。在该模型中，给出了一种简洁的预测方法。

一类非线性动态模型的贝叶斯随机模拟

对一类非线性动态模型进行了随机模拟 ,利用Metropolis算法完成了样本的修正递推 ,并对模型进行各种预测和推断 ;

一类对数凸密度下的Bayes动态模型及其处理

提出了一种新的模型—对数凸密度下的Bayes动态模型,它是对正态密度下的Bayes动态模型的推广.我们证明了该模型的先验密度和后验密度满足"共轭性",并可实现模型的修正递推和Bayes预测.

混合型单调算子对的不动点及其应用

提出了混合型单调算子对的概念,利用混合型单调算子对的定义及数学归纳法对混合型单调算子对的不动点的存在性及唯一性进行了证明,得出了混合型单调算子对的不动点若存在必唯一的结论。该结论应用于带奇性的一阶非线性常微分方程组的初值问题。

基于数值分析的动态指数分布模型的一个预测算法

在自然参数与状态参数之间满足非线性关系ωt=ft (θt)的假设下 。

非线性Bayes动态模型预测的数值算法

本文用一阶样条函数分段逼近密度函数的方法给出了非线性

非线性Bayes动态模型的研究

对正态误差下的非线性Bayes动态模型进行了处理 .对模型分观测误差已知和未知常数两种情况进行了研究 ,利用Taylor展开来近似参数分布 ,并引入E -M算法 ,完成了模型的修正。

非线性贝叶斯动态模型的重要性再抽样(英文)

本文研究了非线性贝叶斯动态模型的随机模拟.在更宽泛的先验分布假设下.利用重要性再抽样的方法,以"样本"代替"分布",实现了对模型的后验推断、预测和模型选择,扩张了贝叶斯动态模型的应用领域.