多元质量特性的贝叶斯过程能力指数

通过建立多元质量特性的数学模型,研究了正态-Wishart先验分布下该模型的贝叶斯分析问题．根据模型协方差阵的后验分布,Wishart分布变量与多个X^2分布变量之积具有相同的统计分布这一关系,以及正定阵之间变换的Jacobian行列式,推导了多元质量特性过程能力指数的后验分布,并据此构造了参数共轭先验分布下的多元贝叶斯过程能力指数及其置信下限．     

基于DLM的桥梁结构承载力的贝叶斯预测

为结合检测信息和承载力的先验模型来对桥梁结构性能进行预测,认为结构性能随时间变化的动态测量为一个时间序列,然后引入了动态线性模型(DLM)对结构性能进行预测.考虑到桥梁结构性能的时变特性,运用贝叶斯动态模型建立了退化抗力的状态方程和观测方程,并通过贝叶斯因子来对检测信息进行监控,然后结合参数的先验信息,对退化抗力的状态参数进行贝叶斯后验概率推断,建立了一个动态线性模型来对结构抗力短期的变化趋势进行预测.为了结构性能线性模型的贝叶斯动态修正,确定了一步向前预测分布和滤波分布.基于检测信息,考虑到变量估计主观认识的不确定性,引入折扣因子来确定状态误差方差矩阵.最后,通过算例论证了本文方法的适用性.     

广义指数分布下区间删失数据贝叶斯回归分析

研究了在两参数广义指数分布下的区间删失寿命时间的贝叶斯回归分析模型。生存时间在服从广义指数分布的情况下,假定形状参数的先验分布来自伽马分布,建立了尺度参数与生存时间贝叶斯回归模型,从而得到生存时间的变化。选取MCMC算法对参数进行估计,并运用R软件进行了模拟。     

多元线性回归模型参数的EB估计及其收敛速度

本文采用多元函数核估计方法,构造了多元线性回归模型参数的经验贝叶斯估计,证明了该估计有如下性质:1.渐近最优,2.收敛速度可任意接近于1。     

城市日用水量预测的非参数模型

根据城市用水量的影响因素及特点,针对传统的线性回归模型误差较大的缺点,基于核估计与局部线性估计理论,建立了城市日用水量的非参数回归预测模型。经西安市实例验证表明,相对于线性回归模型而言,多元非参数回归模型能够很好地解决城市日用水量预测这一问题,预测精度较高,可以满足供水系统调度的实际需要。     

某类分布参数MLE与Bayes估计相等的关系

为了在一个缩小的范围内探讨总体分布中的参数的任一经典估计都存在一个先验分布,使得其贝叶斯估计就是该经典估计这一命题的真伪,进行了多次试验,并通过试验法证明了某类单参数指数族分布中未知参数的最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该最大似然估计的结论．     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度.该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果.     

基于BDNM的桥梁结构可靠度预测

为了结合监测极值应力和应力参数(平均值)的先验模型来对桥梁可靠度进行预测, 认为极值应力随时间变化的动态测量为一个时间序列, 并考虑到贝叶斯动态线性模型(BDLM)的局限性, 引入贝叶斯动态非线性模型(BDNM)对时变极值应力进行预测. 运用BDNM建立了极值应力的状态方程和监测方程, 通过泰勒级数展开技术,将其近似转化为贝叶斯动态线性模型(BDLM), 并通过贝叶斯因子来对应力信息进行监控, 然后结合应力参数的先验信息, 对极值应力的状态参数进行贝叶斯后验概率推断, 建立动态模型对极值应力变化趋势进行预测. 基于监测信息, 考虑到变量估计主观认识的不确定性, 引入折扣因子来确定状态误差方差. 最后利用建立的BDNM和一次二阶矩(FOSM)可靠度方法, 对结构可靠度进行预测, 并通过实例验证了所建模型的合理性和适用性.     

基于贝叶斯压缩感知的频率步进探地雷达成像算法

针对传统压缩感知频率步进探地雷达成像算法存在计算量大和对噪声和重建正则化参数敏感的问题,提出一种基于稀疏贝叶斯学习的贝叶斯压缩感知成像算法。该成像算法的核心通过稀疏贝叶斯线性回归模型中相关向量机的学习来实现对探测场景反射系数的重构。仿真结果表明,相比其他的经典算法,所提成像算法能够更好地利用了探测场景的统计先验信息,能够更好地兼顾重构精度和计算效率。     

相依屏蔽数据下双参数指数部件的可靠性分析

当串联系统含有屏蔽数据且屏蔽概率与失效部件相关时,讨论系统中双参数指数部件的可靠性估计问题。在定数截尾场合下,通过给定的屏蔽概率比,推导出双参数指数部件参数和可靠性指标的极大似然估计。鉴于极大似然估计法在完全屏蔽情形下的局限性,利用贝叶斯方法,在平方损失函数下推导出部件参数和可靠性指标的贝叶斯估计。最后利用随机模拟方法对估计结果进行验证,分析不同屏蔽概率比对极大似然估计精度的影响,并在无信息先验和共轭先验分布情形下,比较了贝叶斯估计的效果。     

Ⅱ型截尾下威布尔分布特征寿命的模糊贝叶斯估计

讨论在Ⅱ型截尾数据下威布尔分布特征寿命的模糊贝叶斯估计问题。将特征寿命视为模糊随机变量,进一步假定其先验分布的参数为模糊实数,利用模糊集理论中"Resolution Identity"定理和传统贝叶斯估计方法,获得特征寿命的模糊贝叶斯估计量。数例验证了该方法的可行性。     

一种服从威布尔分布装备的可靠性评估方法

在装备失效时间分布为威布尔分布的情形下,利用多层贝叶斯方法,选取贝塔分布作为先验分布,利用现有的试验样本来对威布尔分布的参数进行估计,然后对产品进行可靠性评估.通过算例分析得出当有真的先验信息加入时,采用贝叶斯方法得到威布尔分布的形状参数与尺寸参数的值优于最小二乘法得到的参数值.     

Linex损失函数下Laplace分布尺度参数的Bayes估计

在经典贝叶斯统计推断与统计的决策中,Bayes估计的性能主要取决于损失函数的形式,先验分布的不同也会对Bayes估计的结果产生差别。在Linex损失函数下,基于Bayes方法研讨Laplace分布的尺度参数估计。当Laplace分布中位置参数已知时,分别取无先验信息和先验分布为倒伽马分布,计算尺度参数的Bayes估计精确形式和性质,证明了Bayes估计具备可容许性。     

计量经济学中多重共线性的诊断及处理方法研究

多元线性回归模型的经典假定之一是解释变量之间不存在线性关系。但在实际应用中,多元线性回归模型中的解释变量之间往往存在近似的线性关系,如果仍然用最小二乘法估计模型,会造成分析结果不准确甚至严重偏离变量间本来的依存关系。为此,首先总结了多重共线性的检验方法,然后探讨了多重共线性常用的修正方法,最后结合实例演绎了逐步回归法和主成分回归法的具体应用,为现实经济问题中多重共线性的检验与处理提供一定借鉴。     

基于变分贝叶斯推断的半盲信道估计

现有MIMO中继通信系统中,基于张量分解的半盲信道估计不能有效地将信道先验信息引入估计过程中,为此提出一种基于变分贝叶斯推断的信道估计算法.该算法首先利用NP(Nested PARAFAC)张量模型,引入有效精度、噪声精度等隐性超参数,建立信道估计概率图模型;由于所求信道参数后验概率分布较为复杂,传统最大似然和最大后验等点估计方法难以实现,算法采用变分贝叶斯推断,推导出信道矩阵、有效精度及噪声精度的递推公式,使具有因子分解形式的q分布逼近所求信道参数的后验分布;并分析了模型证据的下界、模型的初始化及算法复杂度等.该算法能利用信道先验信息以提高信道估计性能,有效精度和噪声精度等参数可自动调节,且计算复杂度与数据的维度呈线性关系.仿真结果表明:在平稳瑞利衰落信道条件下,与基于交替最小二乘(Alternating Least Square,ALS)的半盲估计算法相比,算法的计算复杂度较低,收敛速度较快;与带监督序列的双线性最小二乘(Bilinear Alternating Least Square,BALS)非盲估计算法,基于ALS及非线性最小二乘(Nolinear Least Square,NLS)的半盲估计算法相比,算法具有较高的估计精度.     

基于MCMC的多维相关系数平稳序列

在相关系数平稳过程的基础上,提出了基于MCMC（Markov Chain Monte Carlo）方法来估计多维相关系数平稳序列模型的参数;给出基于贝叶斯估计的多维相关系数平稳序列模型参数的算法;在无先验信息条件下,模拟验证了用此方法估计二维相关系数平稳序列模型参数的有效性。     

逆威布尔部件的可靠性估计

针对贝叶斯分析中平方误差损失存在的"高估和低估同等重要"问题,提出了一种基于熵损失函数的贝叶斯可靠性分析方法。利用该方法,分别在无信息先验和共轭先验分布下,推导出逆威布尔部件参数、可靠度函数及失效率的Bayes估计,并证明了形如[c T(x)+d]-1的一类估计具有容许性。为了比较不同估计结果的忧劣,文中还给出了逆威布尔部件参数的一致最小方差无偏估计(UMVUE)。最后运用Monte Carlo方法对各种估计的均方误差进行了模拟比较。结果表明,当样本量比较小时,Bayes估计的均方误差小于UMVUE的均方误差。随着样本量的增加,各个估计的均方误差都减小,但在共轭先验下Bayes估计的均方误差最小。     

重尾非高斯定位噪声下鲁棒协同目标跟踪

针对定位数据的统计特性未知且易受异常值干扰而影响协同目标跟踪性能的问题,提出一种重尾非高斯定位噪声下的鲁棒协同目标跟踪方法. 该方法假设定位噪声服从多元学生t-分布,建立联合估计目标状态与定位噪声参数的贝叶斯模型. 针对目标状态与噪声分布参数相互耦合而难以计算联合后验分布的问题,应用变分贝叶斯推断原理和平均场理论对后验分布进行解耦,将目标状态与定位噪声参数的联合后验分布估计问题转化为最优化问题,以交替优化的方式实现系统参数的在线递推估计. 对提出的协同目标跟踪方法进行测试. 仿真结果表明,当定位数据中存在未知的野值噪声时,提出的协同跟踪算法具有较好的鲁棒性.     

偏正态空间自回归模型的贝叶斯估计

空间自回归模型是空间计量经济学研究中的一个重要模型,主要用于刻画空间单元间的相关性.在空间自回归模型的现有研究中,大都假设响应变量服从正态分布,然而,实际的数据可能呈现出非正态的情况,此时,仍然在正态假设下作统计推断会获得不合理甚至错误的结论.基于响应变量服从偏正态分布的假设,研究偏正态空间自回归模型的贝叶斯估计.借助Gibbs抽样和MH算法相结合的MCMC算法讨论该模型的贝叶斯估计.数值模拟和实证分析表明:1)提出的偏正态空间自回归模型与传统模型相比,可以更好地拟合偏态数据;2)采用MCMC算法对模型进行贝叶斯估计,可以更精准地估计未知参数.研究结果显示:采用MCMC算法得到偏正态空间自回归模型未知参数的贝叶斯估计值更精准.     

0–1膨胀几何分布的客观贝叶斯分析

在医疗卫生、金融证券等应用领域,经常会同时出现零观测值、一观测值较多的情况.为更好地拟合这类数据,提出0–1膨胀几何分布模型并进行客观贝叶斯分析.通过参数变换,得到Jeffreys先验和reference先验.设计后验分布的抽样算法,设置不同的样本量和参数真值,采用数值模拟方法对不同客观先验下的估计效果进行评估.