熵损失函数下定时截尾情形几何分布参数的Bayes估计

首先给出了在熵损失函数下定时截尾情形几何分布参数的Bayes估计的一般形式.然后在给出先验分布的条件下,给出了Bayes估计的精确形式.最后证明了此Bayes估计是可容许的.     

可靠性增长试验中分组数据AMSAA模型的Bayes分析方法

针对在产品的可靠性增长试验中,由于试验者的疏忽或者其他原因所导致的小子样变总体的分组数据的AMSAA模型这类情况,提出了Bayes可靠性增长分析方法,得到了模型参数以及系统能达到的MTBF的Bayes点估计,和Bayes区间估计,并结合实际例子进行了运算。     

一元工序能力指数的经验Bayes估计

针对一元工序能力指数的Bayes估计,借助非参数核函数方法,构造出边际分布密度及其导数估计,得到了一种经验Bayes估计,并证明了它的渐近最优性,其收敛速度可任意接近于1。     

指数分布下无失效数据的统计分析

对指数分布的无失效数据进行了统计分析。在巳知某时刻的产品失效概率的先验信息的情况下，分别给出了ti时刻的Pi的Bayes估计和Bayes多层估计，从而得到产品的可靠性指标，最后结合实际问题进行了计算。     

多元工序能力指数的经验Bayes估计

针对多元工序能力指数的Bayes估计,借助非参数核函数方法,构造出多元边际分布密度及其导数估计,得到了多元工序能力指数的一种经验Bayes估计,并证明了它的渐近最优性,其收敛速度可任意接近于1。     

作物品种区域试验中品种均值的Bayes估计

本研究根据Bayes统计原理，提出了作物品种区域试验中品种均值的Bayes估计方法，并利用一套包含4年，7个试点和10个棉花品种的多年多点试验对Bayes估值和算术平均值的预测精度进行比较，结果表明，Bayes估值和算术平均值的平均预测差分别为6．88％和12．77％，而且Bayes估值与验证值之间夺数值和品种排序上都有着更高的相关，相关系数分别达0．963和0．976，高于算术平均值的0．876和0．830，Bayes估值显示出比值算术平均值更高的预测精度。     

基于分组截尾数据Weibull分布的参数估计

Weibull分布是寿命试验中最常见的分布之一,因而基于分组截尾试验数据下的Weibull分布的参数估计是很有研究价值的。介绍了一种基于分组截尾数据而寿命服从Weibull分布的试验样本,并得到失效概率的Bayes估计。最后由最小二乘法得到其参数估计。     

定数截尾情形 Lomax 分布形状参数的估计

首先给出了Lomax分布在定数截尾场合下形状参数θ的极大似然估计;其次由"平均剩余寿命"的概念得到了形状参数的逆矩估计,当取先验分布为指数分布时给出了参数θ的Bayes估计及区间估计;然后通过随机模拟对几个估计进行了比较,最后用一个实例给出了不同截尾样本下形状参数的点估计和区间估计.     

关于两个独立二项总体推断的Bayes样本容量的确定

样本容量的确定在现代生物医学研究以及在对两个独立的二项实验进行统计分析时,是经常遇到的一个问题。在实验设计阶段,往往需要计算最佳样本容量,目的是为了保证两个二项参数差的估计值与真实值的误差在所要求的范围内概率最大。巧妙地利用先验信息是实验设计的一个关键环节,目前正在广泛应用的样本量的计算公式在利用先验信息时通常采用点估计的形式。本文提出了确定样本容量的Bayes风险准则,给出了样本容量计算的Monte Carlo方法,并把这些方法应用到估计两个二项比例差的实验设计上。最后考虑了0-1损失函数和平方损失函数下计算样本容量的Bayes方法。     

关于两个独立二项总体推断的Bayes样本容量的确定*

 样本容量的确定在现代生物医学研究以及在对两个独立的二项实验进行统计分析时,是经常遇到的一个问题。在实验设计阶段, 往往需要计算最佳样本容量,目的是为了保证两个二项参数差的估计值与真实值的误差在所要求的范围内概率最大。巧妙地利用先验信息是实验设计的一个关键环节,目前正在广泛应用的样本量的计算公式在利用先验信息时通常采用点估计的形式。本文提出了确定样本容量的Bayes风险准则,给出了样本容量计算的Monte Carlo方法,并把这些方法应用到估计两个二项比例差的实验设计上。最后考虑了0－1损失函数和平方损失函数下计算样本容量的Bayes方法。     

EM算法在恒加试验线性模型中的应用

基于右截尾的EM算法,给出了恒加试验线性模型的参数估计,并结合加速方程得到了产品的寿命估计。相比采用Gibbs抽样的蒙特卡罗贝叶斯方法、指数分布下加速寿命试验的贝叶斯方法和非参数的最小二乘估计统计法,该方法得出的结果更准确、更接近实值,且具有计算量小的优点。     

基于Naive Bayes算法的大豆病害诊断研究

介绍了Naive Bayes算法的基本理论。以UCI数据库中的大豆数据集为实例,研究了Naive Bayes算法在大豆病害诊断中的应用。试验结果表明,Naive Bayes算法的预测精度优于决策树C4.5算法和最近邻INN算法。     

基于朴素贝叶斯的渔业文本分类器研究

通过阐述朴素贝叶斯文本分类器的算法原理及其用于建立渔业文本分类器的优点,给出了基于朴素贝叶斯的渔业文本分类器的基本结构,并用实验验证了该结构的性能。结果表明,基于渔业词库的朴素贝叶斯渔业文本分类器具有比普通文本分类器更好的性能。     

(a,b,0)类分布族及其最大后验密度可信区间

为了在模拟索赔次数时更好的运用(a,b,0)类分布族,系统研究了(a,b,0)类分布族的优良特性及相互关系,利用贝叶斯统计分析方法,在取先验分布为共轭分布的情形下,给出了最大后验密度可信区间,即最短可信区间,并通过实例与经典区间估计进行了比较.     

区域地貌中的聚类分析及贝叶斯判别方法

为了对区域地貌的各项数据进行科学解读,以寻求建立区域地貌数字系统的方法与模式,利用系统聚类法对区域地貌进行了分类,并用贝叶斯判别法检验了分类的合理性,结果与用系统聚类法得到的分类一致,说明系统聚类法对区域地貌数据分析的结果是科学的。     

一种增量式贝叶斯分类的算法

自动分类是数据挖掘和机器学习中非常重要的研究领域。针对难以获得大量有类标签的训练集问题,提出了基于小规模训练集的增量式贝叶斯Bayes分类,给出增量式Bayes分类机理参数计算及其算法。对算法分两种情况处理,第一种情况是新增样本有类别标签,利用现有分类器检验其类标签,如果匹配则保留当前分类器,否则利用新样本修正分类器;第二种情况是新增样本无类别标签,则利用现有分类器为其训练类标签,然后利用新样本来修正分类器。试验结果表明,该算法是可行有效的,比Naive Bayes分类算法有更高的精度。增量式Bayes分类算法的提出为分类器的更新提供了一条新途径。     

用贝叶斯准则预测汛期的洪涝趋势

根据某地１９６０～１９８８年洪涝灾害的资料,应用贝叶斯准则预测了该地４～９月的洪涝发生趋势。通过１９６０～１９８８年资料的回报,拟合率达９６．５５％。并对１９８９～１９９１年的洪涝趋势进行了试报,取得了满意的效果。