非对称三参数广义误差分布的参数估计及应用

针对实际数据的尖峰厚尾和非对称特性,通过在广义误差分布中加入偏度参数,同时分别引入两个参数控制左尾和右尾,构造了一个新的非对称三参数广义误差分布。本文首先研究了该分布的基本性质,包括累积分布函数、分位数函数及各阶原点矩等,并给出了随机变量的抽样方法;其次分别给出了用矩估计、极大似然方法和贝叶斯估计法来估计该分布参数的步骤,并通过马尔科夫链蒙特卡罗方法生成的模拟数据验证比较了这3种方法;最后将该分布应用于两组实际数据中,利用非对称三参数广义误差分布对尖峰厚尾非对称的数据进行拟合。

非对称误差分布的贝叶斯累加回归树模型研究及应用

贝叶斯累加回归树(BART)模型是一种非参数贝叶斯回归方法,在预测和变量重要性度量方面具有强大的功能.BART假设随机误差项服从正态分布,文章针对非对称数据,提出BART推广模型.所提模型首先根据BART树结构特点,基于中心极限定理,得到终节点响应变量均值的渐近分布;接着基于U统计量性质,得到响应变量方差的渐近分布;最后基于Backfitting MCMC算法进行抽样迭代和参数估计.通过数值模拟并和随机森林算法的比较,展示了所提模型的可行性和优越性.实例分析说明了所提模型的实用性.