主体关联性对贝叶斯推理概率估计的影响

用贝叶斯推理问题为实验材料,探讨了主体关联性对贝叶斯推理概率估计的影响。结果表明,当估计的事件与主体有关时,被试对消极事件概率估计较低,对积极事件概率估计值;当估计的事件与主体无关时,被试对消极事件和积极事件的概率估计无显著差异。反应时分析表明,被试对消极事件的概率估计比对积极事件的概率估计时间显著地长,当消极事件与主体有关时概率估计时间就更长;而对积极事件的概率估计,与主体有关和与主体无关时反应时差异不显著。这表明,被试对消极事件的概率估计(特别是消极事件与己有关时)更为慎重。

基础概率在贝叶斯推理中的作用

针对贝叶斯推理研究中基础概率忽略现象的争论,直接操纵基础概率水平,考察被试在贝叶斯推理时是否加工了基础概率信息。结果表明,低基础概率组后验概率估计显著低,无基础概率组后验概率估计反应时显著短于有基础概率组。被试在各种条件下估计的正确率都较低,说明对基础概率在贝叶斯推理中的作用考虑不充分。

基于主观贝叶斯方法的输电线路时变停运概率模型及应用

电力设备时变停运概率作为基于风险度的电网运行轨迹指标的基础数据之一,其合理性直接影响电网运行轨迹指标的合理性。基于主观贝叶斯推理过程建立了输电线路的停运概率模型,在该模型中采用故障树分析方法对输电线路停运原因进行分类,并利用模糊专家系统求取可信度参数,以克服人为取值的不足。仿真结果表明,所建模型能够较好地反映输电线路状态及其外部环境的变化对输电线路停运概率的影响。

基于贝叶斯统计推断的离散分布估计算法

将贝叶斯统计推断理论引入分布估计算法概率模型中,提出一种基于贝叶斯统计推断的离散分布估计算法。根据离散优化问题中解的分布规律建立先验概率模型,将优势群体的概率模型和二元边缘分布算法中森林结构的概率模型相结合,得出条件概率模型,利用贝叶斯统计推断,并结合上述2种概率模型建立后验概率模型,以指导新群体的产生。仿真结果表明,该算法求解gr21旅行商问题的收敛速度大于EDAs1算法,在种群规模、最大运行代数等参数固定的情况下,分别分析结合速率和学习速率对算法性能的影响,得出当其值取0.2时,算法性能最稳定。