鲁棒贝叶斯混合分布的模型选择

提出一种基于偏差信息准则(deriance information criterion,DIC)的鲁棒贝叶斯混合分布模型选择算法.在变分逼近框架下,给出鲁棒贝叶斯混合模型的DIC计算公式;设计的模型选择算法能同时学习模型参数推断和进行模型选择,避免在大的候选模型集中根据模型选择准则选取最优模型.给出试验参数初始值设置方法,在含有较多离群点的仿真数据和Old Faithful Geyser数据上的试验结果表明了好的性能:得到鲁棒的混合分量参数和较准确的混合分量个数.

基于贝叶斯推理的包装件动力学模型优化选择研究

目的在多种类型的模型中挑选出最优包装件模型,并实现参数识别的方法。方法文中将包装件模型构建为参数不确定模型,在贝叶斯推理的框架下,采用马尔可夫链蒙特卡洛法识别模型参数,采用偏差信息准则(DIC)计算各备选模型的DIC参数,选择出最优包装件模型。结果在振动实验台用质量块-缓冲材料模拟包装件并进行随机振动测试,分析结果表明,Bouc-Wen(n=2)模型为文中包装系统的最佳模型。结论文中提出的基于贝叶斯推理的包装件模型优化选择和参数识别方法考虑了模型不确定性,构建的模型可准确预测包装件在随机振动下加速度响应的时域信号。

基于贝叶斯估计的累积logistic回归与多层累积logistic回归模型比较

目的:通过基于MCMC法的贝叶斯参数估计方法,比较多层累计logistic回归模型与累计logistic回归对非独立数据的适应性。方法:通过模型诊断和参数信息进行两模型的比较。结果:累计logistic回归的参数标准误较小且获取的信息较少,DIC显示多层累计logistic回归模型对数据拟合优。讨论:由于多层模型考虑到高水平变异及信息,所以更适用于分析非独立数据。而DIC则通过计算有效参数个数,使其适合于衡量多层模型对数据的拟合程度。

合理进行均值比较——泊松分布回归模型

本文目的是介绍与泊松分布回归模型有关的6个基本概念、计算方法、一个临床调查实例及其SAS实现。基本概念包括泊松分布、泊松分布回归模型、偏移量、标准化死亡比(SMR)、偏差信息准则和最高后验密度区间。计算方法涉及泊松分布回归参数的经典估算方法和贝叶斯估算方法。临床调查实例涉及1975年-1980年苏格兰56个县的唇癌观察和预期病例的数据。本文给出了采用SAS处理实例中计数资料的全过程,包括基于bglimm过程构建5个泊松分布回归模型和展示预测的SMR与观测的SMR之间的吻合程度。对输出结果作出了解释,并基于模型拟合效果评价统计量,对所构建的多个泊松分布回归模型进行比较,得出了适合本文资料的最优泊松分布回归模型。

贝叶斯项目反应模型及nimble实现

针对国际学生评估项目2015年数据(PISA),采用单参数、双参数和三参数的项目反应模型进行建模,在每个模型下,分别采用logistic连接函数和probit连接函数。针对6个模型,应用偏差信息准则(Deviance Information Criterion,DIC)和伪边际似然对数(Logarithm of Pseudo-Marginal Likelihood,LPML)进行模型评价和模型选择。结果表明,当连接函数为logistic双参数的项目反应模型表现最好,因为这个模型下的DIC值最小,并且LPML值最大。我们采用R软件nimble包进行编程。

多元空间因子模型的仿真、模型比较与应用

空间因子模型旨在揭示观测变量因公共因子的区域变化而产生的相关性。条件自回归模型被应用到因子分析模型。在贝叶斯框架内,马尔可夫链蒙特卡洛方法(MCMC)被用来进行后验分析。随机模拟结果揭示出方法的有效性,并对江苏省2005产业数据的进行了相关分析。