貝葉斯
- 超貝葉斯圖模型及其聯(lián)結(jié)樹的構(gòu)建
題.基于此引入貝葉斯網(wǎng)絡(luò)來解決,貝葉斯網(wǎng)絡(luò)[2,3],它是一種概率圖型模型[4,5],早在1990年P(guān)earl就提出概率圖模型(Probability Graph Model,PGM),概率圖模型是一種用圖論的方式來表示變量間的概率依賴性的模型[6],Pearl[7]認(rèn)為一個有向無環(huán)圖,只有在滿足條件獨(dú)立性并具有概率語義的情況下才能被稱作為一個概率圖模型.貝葉斯網(wǎng)的概率圖模型是不確定性知識表示和推理的有效架構(gòu).但由于數(shù)據(jù)規(guī)模的越來越大,關(guān)系越來越復(fù)雜,一般
青海師范大學(xué)學(xué)報(自然科學(xué)版) 2021年2期2021-12-20
- 定數(shù)截尾樣本下威布爾分布參數(shù) ,γ,η 的貝葉斯估計
一、參數(shù)m 的貝葉斯估計對上式關(guān)于η,γ在(0,+∞)上積分后得到m的后驗(yàn)邊際分布密度:取平方損失函數(shù):其中,β=(β1,β2,β3)=(m,η,γ)為待估參數(shù),d=(d1,d2,d3)為采取的決策。由貝葉斯理論可知,在平方損失函數(shù)下,m的貝葉斯估計為:由于β=(β1,β2,),L·(β),L(β)具有二階混合偏導(dǎo)數(shù),上式中的被積函數(shù)可化為eL·(β)與eL(β)的形式,則有近似公式:其中,Ω 為β的積分域, 分別為L·(β)和L(β)的最大值點(diǎn)。綜上,由
數(shù)學(xué)大世界 2020年19期2020-08-05
- 貝葉斯網(wǎng)絡(luò)概述
本文主要是對貝葉斯網(wǎng)絡(luò)的起源、發(fā)展、定義及分類等做一個簡單介紹,使得有更加清晰的認(rèn)識。關(guān)鍵詞 貝葉斯網(wǎng)絡(luò) 概述中圖分類號:TP311 文獻(xiàn)標(biāo)識碼:A1貝葉斯網(wǎng)絡(luò)的起源和發(fā)展貝葉斯理論起源于Reverend Thomas Bayes發(fā)表的論文“關(guān)于幾率性問題求解的評論”。20世紀(jì)50年代,以Robbins為代表提出了將經(jīng)驗(yàn)貝葉斯方法和經(jīng)典方法相結(jié)合,這引起統(tǒng)計界的廣泛關(guān)注。1958年英國歷史最悠久的統(tǒng)計學(xué)雜志Biometrika又一次全文刊登了Bayes的
科教導(dǎo)刊·電子版 2017年32期2018-01-09
- 熵?fù)p失函數(shù)下Burr(α)X分布參數(shù)的貝葉斯估計
)X分布參數(shù)的貝葉斯估計陳家清,王 玉,陳志強(qiáng)(武漢理工大學(xué) 理學(xué)院,武漢 430070)文章研究了Burr(α)X分布參數(shù)的各類貝葉斯估計問題。在熵?fù)p失函數(shù)下分別獲得了參數(shù)的貝葉斯估計、經(jīng)驗(yàn)貝葉斯估計、多層貝葉斯估計和E-Bayes估計。證明了參數(shù)經(jīng)驗(yàn)貝葉斯估計的漸近最優(yōu)性,討論了參數(shù)多層貝葉斯估計和E-Bayes估計的穩(wěn)健性,通過蒙特卡洛方法對各類估計的MSE進(jìn)行了數(shù)值模擬和比較分析,結(jié)果表明:經(jīng)驗(yàn)貝葉斯估計的均方誤差最小,精度較高。Burr X分布;
統(tǒng)計與決策 2017年20期2017-11-04
- 貝葉斯公式的應(yīng)用和推廣
謝宏斌【摘要】貝葉斯公式是概率論中很重要的公式,本文介紹貝葉斯公式的定義以及應(yīng)用實(shí)例,以便在教學(xué)中更好地幫助學(xué)生更深入地理解該公式.【關(guān)鍵詞】貝葉斯公式一、引言貝葉斯公式是概率論中重要的公式之一,主要用于計算比較復(fù)雜事件的概率,它實(shí)質(zhì)上是加法公式和乘法公式的綜合運(yùn)用.貝葉斯公式出現(xiàn)于17世紀(jì),從發(fā)現(xiàn)到現(xiàn)在,已經(jīng)深入到科學(xué)與社會的許多個方面.目前,社會在飛速發(fā)展,市場競爭日趨激烈,決策者必須綜合考察已往的信息及現(xiàn)狀從而做出綜合判斷,決策概率分析越來越顯示其重
數(shù)學(xué)學(xué)習(xí)與研究 2017年10期2017-06-22
- 貝葉斯快速初始響應(yīng)控制圖及其仿真
程控制方法中,貝葉斯模型經(jīng)常同連續(xù)決策模型一起,用來監(jiān)測過程的最小預(yù)期成本。然而,貝葉斯方法的核心機(jī)理是統(tǒng)計方法,更加貼近統(tǒng)計過程控制。貝葉斯方法的核心是對經(jīng)驗(yàn)數(shù)據(jù)的充分使用,并對其進(jìn)行累積更新,從而獲取更加全面的信息。這屬于典型的統(tǒng)計過程控制方法。貝葉斯控制圖起源于Girshick和Rubin[1]、Bathers[2]和Taylor[3,4]的研究成果。Tagaras[5,6]結(jié)合成本模型,提出了短周期運(yùn)行過程的動態(tài)貝葉斯控制圖。Makis[7]研究了
統(tǒng)計與決策 2015年11期2015-02-18
- 關(guān)于貝葉斯統(tǒng)計之我見
0047)關(guān)于貝葉斯統(tǒng)計之我見殷 羽(重慶工商大學(xué)派斯學(xué)院 重慶合川 401520;重慶師范大學(xué) 重慶沙坪壩 400047)貝葉斯統(tǒng)計和經(jīng)典統(tǒng)計是現(xiàn)代數(shù)理統(tǒng)計的兩大學(xué)派,兩大學(xué)派的爭論對現(xiàn)代統(tǒng)計理論的發(fā)展起到了積極的促進(jìn)作用.本文通過貝葉斯統(tǒng)計和經(jīng)典統(tǒng)計的比較,加深了人們對貝葉斯統(tǒng)計的認(rèn)識.本文還從經(jīng)濟(jì)研究、精算保險研究兩個方面介紹了貝葉斯統(tǒng)計的應(yīng)用。貝葉斯統(tǒng)計;經(jīng)典統(tǒng)計;經(jīng)濟(jì)研究;精算保險研究一、背景——貝葉斯學(xué)派的起源與發(fā)展簡介在國際統(tǒng)計學(xué)術(shù)界中有貝葉
佳木斯職業(yè)學(xué)院學(xué)報 2014年4期2014-04-17
- 完全隨機(jī)缺失機(jī)制下伽瑪分布中形狀參數(shù)的經(jīng)驗(yàn)貝葉斯推斷
形狀參數(shù)的經(jīng)驗(yàn)貝葉斯推斷[1]Johns M V Jr,Van Ryzin J.Convergence rates in empirial bayes two-action Problems 1:Discrete Case[J]. Ann.Math.Statist.,1971,42:1521-1539.[2]Johns M V Jr,Van Ryzin J.Convergence rates in empirial bayes two-action Pro