学位论文 > 优秀研究生学位论文题录展示
贝叶斯方法下二值与多值序次数据模型与异常点的同时识别
作 者: 王康宁
导 师: 汪四水
学 校: 苏州大学
专 业: 概率论与数理统计
关键词: 数据扩增 Gibbs抽样 模型选择 异常点识别 二值与多值序次数据
分类号: O212.1
类 型: 硕士论文
年 份: 2011年
下 载: 10次
引 用: 0次
阅 读: 论文下载
内容摘要
本文首先讨论了基于贝叶斯方法进行模型选择与异常点识别时两者之间的相互影响关系,建议模型选择与异常点识别应结合起来同时考虑,而Gibbs抽样基于满条件的迭代恰好能够体现这种结合,因此选择Gibbs抽样算法.其次,给出了利用数据扩增方法基于模型与异常点识别变量的后验概率,进行模型与异常点同时识别的具体方法.最后,具体针对二值数据与多值序次数据,给出了利用Gibbs抽样进行模型与异常点同时识别的方法,而且通过具体的模拟算例展示了模型与异常点同时识别的过程和识别的效果.
|
全文目录
中文摘要 4-5 Abstract 5-7 第一章 引言 7-15 1.1 模型与异常点的概念及识别的意义 7-8 1.2 Gibbs抽样 8-9 1.3 贝叶斯方法模型与异常点识别的发展现状 9-13 1.4 本文的工作和本文结构 13-15 第二章 关于模型选择与异常点识别的讨论 15-18 2.1 模型选择与异常点识别的关系 15-16 2.2 选择Gibbs抽样计算的理由 16-18 第三章 模型与异常点的同时识别 18-26 3.1 二值数据模型与异常点的同时识别 18-21 3.2 多值序次数据模型与异常点的同时识别 21-26 第四章 模拟算例及讨论 26-31 4.1 二值数据算例 26-28 4.2 多值序次数据算例 28-31 第五章 结论及有待研究的问题 31-32 5.1 结论 31 5.2 有待研究的问题 31-32 参考文献 32-34 致谢 34-35
|
相似论文
- 随机网络模型分离,O157.5
- 相关观测粗差探测的Bayes方法及其在GPS网平差中的应用,P228.4
- 金融随机波动扩展模型分析及应用研究,F830
- 新产品研发项目团队成员选择方法研究及应用,F273.2
- 中国经济周期波动的持续期依赖特征研究,F124.8
- 软件可靠性模型应用方法研究,TP311.52
- 基于多精度数据的统计过程调整算法研究,F425
- 基于协整马尔科夫转换模型金融时间序列的研究,F830.9
- 基于Pair-Copula法构建髙维相依结构及实证分析,F830.9
- 基于RJMCMC方法的线性回归模型异常点识别,O212.1
- 基于PCA的贝叶斯网络构造算法与应用,TP18
- 连续型协变量区间删失时的线性回归模型,O212.1
- 政府统计数据质量检验及评价研究,C829.2
- 基于主题模型的专家检索及应用挖掘,TP391.3
- 关于我国主要宏观经济变量周期波动的实证分析,F124.8
- 破坏性加速退化模型的统计分析,TB114.3
- 基于退化失效模型的统计分析,O212.7
- 双重时间序列模型参数估计的一类新方法,O211.61
- 时间序列在股指波动性建模中的应用,F830.91
- 有序的误分类数据的贝叶斯分析,O212
中图分类: > 数理科学和化学 > 数学 > 概率论与数理统计 > 数理统计 > 一般数理统计
© 2012 www.xueweilunwen.com
|