在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数不确定性研究中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断...在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数不确定性研究中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断法既能充分利用现有资料信息,又能考虑参数的不确定性,是一种AR(p)模型参数估计的有效方法。展开更多
在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数估计中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断法既能充...在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数估计中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断法既能充分利用现有资料信息,又能考虑参数的不确定性,是一种AR(p)模型参数估计的有效方法。展开更多
文摘在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数不确定性研究中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断法既能充分利用现有资料信息,又能考虑参数的不确定性,是一种AR(p)模型参数估计的有效方法。
文摘在数据缺失条件下,探讨贝叶斯推断法在AR(p)模型参数估计中的应用。根据Bayesian理论与Markov chain Monte Carlo(简称MCMC)法,在WinBUGS软件中搜索一个或更多数据缺失时AR(p)模型参数的后验状态空间。计算结果表明,贝叶斯推断法既能充分利用现有资料信息,又能考虑参数的不确定性,是一种AR(p)模型参数估计的有效方法。
