-
题名一种对称损失下逆高斯分布形状参数的Bayes估计
- 1
-
-
作者
孙双
徐宝
-
机构
吉林师范大学数学与计算机学院
-
出处
《南昌大学学报（理科版）》
CAS
2024年第3期205-213,共9页
-
基金
国家自然科学基金资助项目(11571138)
吉林省科技发展计划项目(YDZJ2022ZYTS622)。
-
文摘
在加权p、q对称损失下,分别研究了逆高斯分布形状参数的Bayes估计、多层Bayes估计和E-Bayes估计,并把刀切法的思想运用到Bayes估计中,得到逆高斯分布形状参数的刀切Bayes估计的精确形式,为验证形状参数估计的合理性,运用R软件,采用随机游动Metropolis算法对所研究参数的Bayes估计、E-Bayes估计和刀切Bayes估计进行数值模拟,比较了在加权p、q对称损失、Linex非对称损失、平方损失和q-对称损失下逆高斯分布形状参数的Bayes估计的精度,结果表明加权p、q对称损失下逆高斯分布形状参数的Bayes估计的精度最高。
-
关键词
BAYES估计
逆高斯分布
刀切法
损失函数
随机游动metropolis算法
-
Keywords
Bayes estimation
inverse Gaussian distribution
Jackknife
loss function
random walk metropolis algorithm
-
分类号
O212
[理学—概率论与数理统计]
-
-
题名基于贝叶斯估计的空间函数型自回归模型及其应用
- 2
-
-
作者
杨炜明
李明杰
-
机构
重庆工商大学数学与统计学院
经济社会应用统计重庆市重点实验室
-
出处
《重庆工商大学学报（自然科学版）》
2024年第3期104-112,共9页
-
基金
重庆市自然科学基金项目资助(CSTC2020JCYJ-MSXMX0394).
-
文摘
目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。
-
关键词
函数型数据分析
贝叶斯估计
GIBBS采样
随机游动的metropolis-Hastings算法
-
Keywords
functional data analysis
Bayesian estimation
Gibbs sampling
random walk based metropolis-Hastings algorithm
-
分类号
O212.8
[理学—概率论与数理统计]
-
