检索结果-南通市图书馆

基于贝叶斯因子和二阶概率方法的圣地亚热传导模型确认挑战问题

在线全文

学校读者我要写书评

暂无评论

航空学报 2014年第9期35卷 2513-2521页

作者：赵亮杨战平中国工程物理研究院电子工程研究所四川绵阳621900

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法... 详细信息

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法得到了模型预测的分布,以此计算出模型预测结论的置信度。该过程中考虑了模型参数的随机不确定性和认知不确定性,最后通过灵敏度分析辨识了模型参数的不确定性对模型预测的影响。研究表明该挑战问题中的实验数据支持所给模型,模型预测受导热系数的不确定性影响最大,模型预测材料在调控条件下的失效概率不满足调控要求,该结论的置信度为99.97%。

关键词：模型确认挑战问题贝叶斯因子确认度量二阶概率方法模型预测灵敏度分析

贝叶斯因子法在畜禽全基因组关联分析中的应用

在线全文

学校读者我要写书评

暂无评论

基因组学与应用生物学 2014年第6期33卷 1211-1216页

作者：梅步俊王志华河套学院农学系巴彦淖尔015000 河套学院土木工程系巴彦淖尔015000

为了剔除畜禽全基因组关联分析结果中的假阳性结果,寻找最优的假设检验方法,解决畜禽全基因组关联分析中的多重比较问题,本研究将现有GWAS研究中常用的七种假设检验方法和贝叶斯因子法进行比较。通过对模拟数据和公开数据集的研究,结果... 详细信息

为了剔除畜禽全基因组关联分析结果中的假阳性结果,寻找最优的假设检验方法,解决畜禽全基因组关联分析中的多重比较问题,本研究将现有GWAS研究中常用的七种假设检验方法和贝叶斯因子法进行比较。通过对模拟数据和公开数据集的研究,结果表明:畜禽全基因组关联分析中用贝叶斯因子法进行假设推断,其优良的统计性能与假设检验数目(SNP数)和最小等位基因频率(MAF)基本无关,其在假设检验中的某些表现优于其它几种基于p值(p-value)的方法。本研究为进一步解决畜禽全基因组关联分析中的多重比较问题奠定了基础。

关键词：畜禽全基因组关联分析贝叶斯因子多重比较多重检验假设检验

在线全文

学校读者我要写书评

暂无评论

贝叶斯因子在项目反应模型选择中的应用

贝叶斯因子在项目反应模型选择中的应用

作者：张礼明东北师范大学

学位级别：硕士

在贝叶斯统计中计算一组竞争模型的后验概率及其相关贝叶斯因子一直是一个较难且有挑战性的课题。贝叶斯模型选择就是通过观测的数据，从若干个竞争的模型中挑选出符合实际的模型。本文研究以项目反应理论中的单参数、双参数、三参数模... 详细信息

在贝叶斯统计中计算一组竞争模型的后验概率及其相关贝叶斯因子一直是一个较难且有挑战性的课题。贝叶斯模型选择就是通过观测的数据，从若干个竞争的模型中挑选出符合实际的模型。本文研究以项目反应理论中的单参数、双参数、三参数模型作为一组竞争模型，利用贝叶斯因子基于实际观测的数据对此三种模型进行模型选择。我们知道，利用贝叶斯因子进行模型选择是计算标准化常数在统计背景下的一个重要应用，对于复杂或高维模型来说其计算是比较困难的。但是对于嵌套假设的贝叶斯统计检验，我们可以利用Savage-Dickey方法[5]并结合Gibbs抽样有效估计贝叶斯因子，使得贝叶斯因子的计算大大简化。Savage-Dickey方法提供了一个概念上简单的方法来计算贝叶斯因子。在这篇文章里，我们回顾Savage-Dickey方法，并突出改进的方法。改进的方法是在用蒙特卡罗(Monte Carlo)抽样计算条件概率的基础上来估计贝叶斯因子的。这些条件概率有效的利用了蒙特卡罗马尔科夫链(MCMC)的信息，从而准确的估计贝叶斯因子。本文首先介绍了项目反应理论三种模型和贝叶斯因子的相关概念以及利用贝叶斯因子做模型选择的基本思路;接着对三种项目反应模型做模型选择的模拟实验;紧接着举例说明模拟结果的意义;最后对所做工作进行总结。

关键词：项目反应模型贝叶斯因子蒙特卡罗马尔科夫链 Gibbs抽样模型选择嵌套假设

水文频率线型选择与综合过程中贝叶斯因子求解新方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然资源学报 2013年第4期28卷 687-695页

作者：桑燕芳王中根刘昌明中国科学院地理科学与资源研究所陆地水循环与地表过程重点实验室北京100101

为克服水文频率线型选择和综合过程中,贝叶斯因子求解时参数先验分布确定和线型边缘分布数值积分这两个难点问题,联合应用了贝叶斯采样方法和最大熵原理(POME)求解参数后验分布表达式,然后应用参数采样结果中逐个样本近似求和方法代替... 详细信息

为克服水文频率线型选择和综合过程中,贝叶斯因子求解时参数先验分布确定和线型边缘分布数值积分这两个难点问题,联合应用了贝叶斯采样方法和最大熵原理(POME)求解参数后验分布表达式,然后应用参数采样结果中逐个样本近似求和方法代替线型边缘分布积分过程,进而建立了贝叶斯因子求解新方法。实例分析和Monte-Carlo统计试验验证了该方法的准确性和有效性。分析结果显示:序列长度和参数取值大小等因素对贝叶斯因子和水文线型后验概率求解结果影响较大;由于BIC准则的实质是通过寻求一组最优参数值进行贝叶斯因子求解,因此在受到不利因素影响时参数估计结果往往存在较大误差,使得BIC准则的分析结果也存在较大偏差。贝叶斯因子求解新方法能够克服上述不利因素的影响,可以合理地分析和描述参数不确定性,使得分析计算结果明显改善,因此所提新方法具有更好的实用性和可靠性。

关键词：水文时间序列水文频率分析贝叶斯因子最大熵原理

在线全文

学校读者我要写书评

暂无评论

考虑认知不确定性的模型确认贝叶斯因子法

计算机应用研究 2016年第2期33卷 473-477页

作者：赵亮杨战平中国工程物理研究院电子工程研究所四川绵阳621900

针对认知不确定性条件下计算机建模仿真所面临的模型确认问题,提出一种结合了二阶概率法与区间数排序的改进贝叶斯模型确认方法。该方法首先采用二阶概率法对模型的不确定性进行量化,量化结果被作为先验模型输出,再基于实验数据对模型... 详细信息

针对认知不确定性条件下计算机建模仿真所面临的模型确认问题,提出一种结合了二阶概率法与区间数排序的改进贝叶斯模型确认方法。该方法首先采用二阶概率法对模型的不确定性进行量化,量化结果被作为先验模型输出,再基于实验数据对模型输出的先验概率密度进行贝叶斯更新,最后通过区间数排序的方式对比模型输出的后验和先验概率密度。由此所得的贝叶斯因子能够在模型存在认知不确定性的情况下为模型确认提供可信的结果。算例分析结果显示了该方法的合理性。

关键词：认知不确定性模型确认二阶概率方法区间数排序贝叶斯因子

在线全文

学校读者我要写书评

暂无评论

贝叶斯因子及其应用

心理技术与应用 2023年第9期11卷 514-527页

作者：朱训顾昕华东师范大学教育心理学系上海200062

贝叶斯因子检验是零假设显著性检验的替代方法,心理学研究者可使用贝叶斯因子评估数据支持或反对理论模型的证据。但是,贝叶斯因子的原理较为复杂,在实践中正确使用和解释贝叶斯因子存在一定难度。为此,本文介绍贝叶斯因子的定义、用法... 详细信息

贝叶斯因子检验是零假设显著性检验的替代方法,心理学研究者可使用贝叶斯因子评估数据支持或反对理论模型的证据。但是,贝叶斯因子的原理较为复杂,在实践中正确使用和解释贝叶斯因子存在一定难度。为此,本文介绍贝叶斯因子的定义、用法和解释,结合案例展示贝叶斯因子在评估零假设、区间假设、信息假设时的具体应用,并讨论贝叶斯因子在统计模型和实证研究中的应用进展。研究者在使用贝叶斯因子时应重点关注先验分布的设置、贝叶斯因子的解释、后验模型概率。

关键词：贝叶斯因子先验分布后验模型概率发表偏差

在线全文

学校读者我要写书评

暂无评论

平稳AR模型阶数的贝叶斯因子判据

平稳AR模型阶数的贝叶斯因子判据

作者：彭家龙华中科技大学

学位级别：硕士

时间序列分析的主要任务就是如何对数据用数学模型去近似地描述和拟合,这在时间序列分析中称为时间序列的建模。时间序列的建模主要包括模型参数的估计和阶数的确定。 AR模型是时间序列模型中最简单,最常用的模型之一,有限阶的AR模型已... 详细信息

时间序列分析的主要任务就是如何对数据用数学模型去近似地描述和拟合,这在时间序列分析中称为时间序列的建模。时间序列的建模主要包括模型参数的估计和阶数的确定。 AR模型是时间序列模型中最简单,最常用的模型之一,有限阶的AR模型已经广泛地应用于科研和生产中。在实际建模过程中,往往我们在讨论AR模型的参数估计问题时,都是在假定该模型的阶数已知的前提下进行的,然而实际模型的阶数是客观存在的,但又往往是未知的,因此,一个基本的重要的问题就是如何估计模型的阶数。本文主要做了以下几个方面的工作: 一方面是根据贝叶斯模型选择理论,引入贝叶斯因子来判定AR模型的阶数,并讨论了AR模型贝叶斯因子的一些计算方法,然后在本文假设条件下得出AR模型贝叶斯因子的具体表达式,并进一步得到了AR模型阶数k的一个强相合估计,还给出了该估计具有强相合性的具体证明,最后通过随机模拟对该估计与AIC ,BIC两种定阶准则进行了比较。另一方面主要是讨论了观测数据对AR模型阶数的贝叶斯因子判据的影响,首先在完全数据和不完全数据情况下,利用Gibbs抽样的方法得到了AR模型的贝叶斯因子的估计式,最后定义了指标量Q( z),用来衡量观测数据z对AR模型阶数的贝叶斯因子判据的影响大小。

关键词： AR模型贝叶斯模型选择贝叶斯因子强相合性

基于自适应结合贝叶斯因子法的多元表型的联合分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应结合贝叶斯因子法的多元表型的联合分析

作者：张睿涵黑龙江大学

学位级别：硕士

大多数的人类遗传疾病都属于复杂疾病的范畴,在近些年的研究中,很多遗传学工作者通过对基因进行定位的方法来探索隐藏在复杂疾病背后的遗传机制.目前,大多数的研究结果都可以表明,基因的常见变异能够解释很大一部分遗传力.在复杂疾病中... 详细信息

大多数的人类遗传疾病都属于复杂疾病的范畴,在近些年的研究中,很多遗传学工作者通过对基因进行定位的方法来探索隐藏在复杂疾病背后的遗传机制.目前,大多数的研究结果都可以表明,基因的常见变异能够解释很大一部分遗传力.在复杂疾病中,“多效性”是一种普遍存在的现象,即同一个基因可能会对多种表型产生影响.因此,使用传统的单变量分析表型方法来对复杂疾病进行研究会有局限性.所以,开发出一种新的方法来检测多元表型与遗传变异之间的关系显得格外重要.全基因组关联分析（GWAS）显示,在研究与复杂疾病相关的遗传变异中,对多元表型进行联合分析的方法可以提高最终的统计功效.因此,可以提出一些统计方法通过整合多元表型之间的信息来识别与遗传变异之间的相关性.在实际应用中,这种方法通常需要组合多种表型之间的关联信息,但由于存在与疾病无关的表型会引入噪声,导致功效有所降低,为了剔除噪声部分,一些现有的方法会删除具有较大值的表型,但这并不是最佳的解决办法.在本篇论文中,我们提出了基于贝叶斯因子法（BF）的多元表型的联合分析方法（Mul-BF）.通过计算贝叶斯因子值的大小,自适应的结合贝叶斯因子值,筛选出与变异位点有较强关联性表型,可用于检测多元表型与遗传变异之间的关系.大量模拟实验的研究结果显示,Mul-BF方法可以很好的控制住第一类错误率,且在大多数情况下,Mul-BF方法的功效是优于其他方法的.在文末,我们将第十九次遗传分析研讨会（Genetic Analysis Workshop 19,GAW19）的真实数据应用到了Mul-BF方法,结果显示Mul-BF方法是稳健的.

关键词：关联分析常见变异贝叶斯因子 GAW19数据集

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MCMC抽样的贝叶斯因子的模型选择

基于MCMC抽样的贝叶斯因子的模型选择

作者：徐姿奕苏州大学

学位级别：硕士

在贝叶斯统计中计算一组竞争模型的后验概率及其相关贝叶斯因子一直是一个较难且有挑战性的课题。贝叶斯模型选择就是通过观测的数据,从若干个竞争的模型中挑选出符合实际的模型,我们知道利用贝叶斯因子进行模型选择是计算正规化常数在... 详细信息

在贝叶斯统计中计算一组竞争模型的后验概率及其相关贝叶斯因子一直是一个较难且有挑战性的课题。贝叶斯模型选择就是通过观测的数据,从若干个竞争的模型中挑选出符合实际的模型,我们知道利用贝叶斯因子进行模型选择是计算正规化常数在统计背景下的一个重要应用,对于复杂或高维模型来说其计算是比较困难的,而通过Monte Carlo模拟则是一个被广泛应用的方法,其中Markov Chain Monte Carlo(MCMC)抽样则是一种简单且行之有效的贝叶斯计算方法,它能很好地处理高维计算问题。MCMC方法被广泛应用已有五十多年的历史,但它在贝叶斯统计、显著性检验、极大似然估计等方面的应用则是近二十年的事情。本文首先介绍了贝叶斯因子的基本概念以及利用贝叶斯因子进行模型选择的基本思路;接着给出了用贝叶斯因子选择模型的Gibbs和M-H抽样过程,可以看到,将模型指标作为一个参数放入抽样循环,能避免计算复杂的积分;紧接着针对一类线性回归模型的模型选择问题进行了详细的研究,结果表明,利用贝叶斯因子的方法,结合MCMC抽样,可以选出“最优”的模型,和已有的模型最优选择准则进行比较,发现两者吻合;最后对所做工作进行了总结。

关键词：贝叶斯因子模型选择 Gibbs抽样 M-H抽样线性模型