不完全数据场合广义指数分布参数Bayes估计的混合Gibbs算法

文章针对在两种不完全数据场合,给出了广义指数分布参数贝叶斯估计的混合Gibbs算法,Mon-te-Carlo模拟结果显示:混合Gibbs算法简单、可行、精度较高、适应范围广。分组数据的分组方式对模拟结果影响较大。

关于Gibbs算法的NHPP软件可信模型的Bayesian接近方法

研究了软件可信成长模型的bayesian推论和模型选择方法。如果用内在错误和错误之间的时间间隔来模化成长模型,在软件开发阶段,可以非常有效的利用其成长模型。本文在解决多重积分问题时利用Gibbs抽样方法来计算出算后分布。一般顺序统计量模型依赖具有扩散算前分布特性的软件。对一般顺序统计量模型依实行了bayesian总体参数的推断,还实行了有效的模型选择方法。模型的设定和判断标准可用于利用方差相乘和的适合度鉴定和趋势鉴定。为了取得相应的值例,本文在分析错误资料时利用了AllenP.NikoraandMichaelR.Lyu[13]提出的SYS2软件错误资料。

三参数威布尔分布贝叶斯估计的混合Gibbs算法

利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了完全样本和定数截尾样本两种情形下三参数威布尔分布的贝叶斯估计.作为应用举出了三个实例,通过Monte Carlo模拟求得参数的贝叶斯估计及可信区间,给出混合Gibbs抽样过程中参数的轨迹图、直方图及自相关系数图,并将模拟结果与相关文献进行了比较.

混合分层结构Gibbs算法与时变因果关系检验及应用

传统的Granger因果检验方法受阻于非平稳数据与时变因果关系的存在,本文以无限状态的Markov过程为基础,设计混合分层结构Gibbs算法,实现区制时变VAR模型,用于非平稳数据的时变因果关系检验。实证分析我国经济环境中,需求拉动效应的时变特征。结果表明:国内需求逐渐成为更加重要的经济增长动力;经济增长降低了对投资和出口的依赖;在增长方式的转变过程中,内需效应易受外需变动的影响而波动,需要适时的货币政策调节和投资效应的推动以保证稳定的经济增长,以利于进一步升级产业结构。

Bayes匹配场地声参数反演:多步退火Gibbs采样算法

为实现海洋地声环境参数的快速高效反演,提出多步退火Gibbs(Multi-AG)采样算法,可消除因参数搜索空间设置对参数反演结果的影响,并有效解决Bayes匹配场高维参数反演过程中常见的运算量大、旁瓣高等问题。分析待反演地声参数对匹配场处理器的敏感性,用以制定多步反演与退火方案,利用Gibbs采样算法反演敏感性级别最高的参数,计算其均值并代入后续反演步骤,进而采用退火Gibbs采样算法逐步反演后续参数;利用数值仿真实验对比Metropolis-Hastings算法、Gibbs采样算法、快速Gibbs采样算法和Multi-AG采样算法的反演效果。实验结果表明,与其他3种算法相比,Multi-AG采样算法可通过最小的计算量得到均方差最小、精度最高的参数反演结果。

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。

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.

基于Gibbs抽样算法的造纸工艺能源消耗预测模型仿真研究

针对造纸工艺能源消耗预测模型效果不佳的整体现象,基于Gibbs抽样算法设计了造纸工艺能源消耗预测模型,通过以贝叶斯参数估计为载体的马尔科夫蒙特卡洛算法优化传统预测模型,以能源消耗数据特性合理选择最佳先验分布,生成与目标分布要求相符的马氏链,以Gibbs抽样算法进行参数后验分布均值提取分析,当作模型参数估计值。同时进行模型仿真试验验证,结果表明,优化前模型与优化后模型预测值都可准确拟合真实值,但是就整体拟合效果来讲,贝叶斯参数估计算法能源消耗预测模型的效果更优;且贝叶斯参数估计算法能源消耗预测模型的预测精确度较高,平均绝对百分误差相对更小。

一种改进的多态蠕虫特征提取算法

大多数多态蠕虫特征提取方法不能很好地处理噪音,提取出的蠕虫特征无法对多态蠕虫进行有效检测。为此,提出一种改进的多态蠕虫特征提取算法。采用Gibbs算法从包含n条序列(包括k条蠕虫序列)的可疑流量池中提取出蠕虫特征,在识别蠕虫序列的过程中基于color coding技术提高算法的运行效率。仿真实验结果表明,该算法能够减少时间和空间开销,即使可疑池中存在噪音,也能有效地提取多态蠕虫。

MCMC算法及其应用

本文主要介绍了马尔可夫链蒙特卡罗方法(MCMC),主要是Metropolis方法、Hasting方法和Gibbs方法。介绍了这些算法的基本步骤,同时利用马尔可夫链的收敛性,讨论了算法的误差,并对算法进行改进。最后,给出了极限性质一些简单的应用。本文主要分为六部分:第一部分介绍了马尔可夫链的性质。第二部分主要介绍了Metropolis-Hasting (M-H)算法及推广,介绍了两种特殊的MCMC算法,即Metropolis算法和Hasting算法以及算法的实现过程。第三部分介绍了建议概率分布的改进,降低了误差,提高了收敛性。第四部介绍了Gibbs算法以及贝叶斯模型。第五部分给出了实例与应用,同时在众多方法中找到一个合适的实施方法。最后一部分,也就是第六部分进行了总结。

在金融科技中基于人工智能算法的风险特征因子筛选框架的建立和在期货价格趋势预测相关的特征因子刻画的应用

研究的目的是建立对影响大宗商品期货价格变化趋势的关联风险特征因子的提取框架和配套的推断逻辑原理。具体来讲,以金融科技中大数据概念为出发点,利用人工智能中的吉布斯随机搜索(Gibbs Sampling)算法为工具,全面地陈述如何提取高度关联大宗商品期货价格变化的风险特征因子的流程和配套的逻辑原理,即采用(在马尔科夫链蒙特卡洛(MCMC)框架下)人工智能中的吉布斯随机抽样算法,结合OR值(Odds Ratio)作为关联分类和验证标准,实现从大量风险因子的数据中提取与大宗商品期货(铜)价格趋势变化相关的特征因子并进行分类,从而可用于构建支持期货价格趋势变化分析的特征指标。实证分析结果表明,该特征提取方法能够比较有效地刻画大宗商品期货(铜)价格的趋势变化,为业界进行大宗期货交易和风险对冲的管理提供了一种新的分析维度。另外,从影响价格趋势变化的特征因子中筛选出高度关联的特征指标的大数据分析方法,是与过去文献中对价格趋势分析的不同之处和创新点。

函数型累积Logistic回归模型研究与应用

该文针对响应变量为有序多分类标量数据,协变量为函数型数据构建函数型累积Logistic回归模型,并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为:首先,通过潜变量连接有序响应变量与函数协变量间的关系,同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开,设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性,并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析,结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类.

对数正态多层贝叶斯模型的参数估计

为了更好地捕捉呈偏态分布数据的变化,提高统计推断的精确度,将对数正态多层先验分布的构造方法与贝叶斯定理结合建立了对数正态多层贝叶斯模型。利用Gibbs抽样算法对各未知参数进行贝叶斯估计,并对使用Gibbs算法所生成的迭代链进行收敛性诊断。随机模拟结果显示,在相对误差、均方误差(MSE)准则下,贝叶斯估计的效果较似然估计更优。最后,通过实证分析证明了所建立的模型是切实可行的。

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

通胀率动态与通胀惯性度量

本文从通胀惯性的理论模型出发,构建无限状态Markov区制转移的计量模型,实现对通胀惯性的有效度量。对美国通胀惯性的实证分析,证实货币政策工具的频繁使用会付出通胀惯性的代价,暴露出其单一目标货币政策框架的缺陷。我国央行的调控也已经对市场利率形成了显著的传导作用,谨慎地使用货币政策工具,使我国的通胀惯性在被货币政策短暂影响后,得以有效恢复。这表明坚持实行多目标、多手段与宏观审慎政策相结合的调控模式,对维护经济环境稳定与长期发展的重要性。十国通胀惯性的度量结果与对比分析,进一步佐证了本文观点。

基于MCMC方法的随机数生成研究

文章比较研究了MH算法与Gibbs算法及其改进的优缺点,利用混合Gibbs算法可生成更复杂的分布随机数,如截断后验分布和混合后验分布,给出了建议分布的选择标准和马氏链收敛准则,验证了MCMC方法在贝叶斯推断中的可行性、稳定性和有效性。

基于贝叶斯多变量厚尾随机波动模型的期货与现货联动效应研究

针对多变量随机波动模型难以刻画金融时间序列尖峰厚尾特征的问题,构建了贝叶斯多变量厚尾随机波动模型。通过模型的贝叶斯分析,选择参数先验分布,设计基于Gibbs抽样的MCMC算法,据此估计模型参数,解决多变量随机波动模型参数较多难以估计的问题;并利用沪深300股指期货与现货交易数据进行实证分析。研究结果表明:贝叶斯多变量厚尾随机波动模型能更准确地刻画金融市场的波动特征以及金融市场间的波动溢出效应。

非线性状态空间模型的EHMM抽样法

给出了一种新的非线性状态空间模型的MCMC方法———EHMM(EmbeddedHiddenMarkovModel)抽样法,运用该方法构造的Markov链的收敛速度比传统的MCMC方法有明显提升,文中证明了这一结论并以一维非线性状态空间模型为例加以说明。

基于分层模型的缺失数据插补方法研究

大规模抽样调查多采用复杂抽样设计,得到具有分层嵌套结构的调查数据集,其中不可避免会遇到数据缺失问题,针对分层结构含缺失数据集的插补策略目前鲜有研究。本文将Gibbs算法应用到分层含缺失数据集的多重插补过程中,分别研究了固定效应模型插补法和随机效应模型插补法,进而通过理论推导和数值模拟,在不同组内相关系数、群组规模、数据缺失比例等情形下,从参数估计结果的无偏性和有效性两方面,比较不同方法的插补效果,给出插补模型的选择建议。研究结果表明,采用随机效应模型作为插补模型时,得到的参数估计结果更准确,而固定效应模型作为插补模型操作相对简便。在数据缺失比例较小、组内相关系数较大、群组规模较大等情形下,可以采用固定效应插补模型,否则建议采用随机效应插补模型。

基于LDA的煤矿安全隐患主题发现研究

为提高安全管理者对安全隐患数据的理解和认知水平,增强其隐患排查和治理能力,以潞安集团司马煤业有限公司2014年安全隐患记录为数据源,基于潜在狄利克雷分配模型(LDA)挖掘煤矿安全隐患主题。利用R软件进行主题模型参数估计、模型计算,最终优选出14个安全隐患主题;采用桑基图揭示隐患主题与责任主体、隐患致因之间的关系。结果表明:LDA主题模型能较好揭示煤矿安全隐患数据中的潜在规律,为煤矿隐患排查、隐患治理以及安全管理决策提供重要信息。