文章摘要
引用本文:何朝兵,刘华文.左截断右删失数据下对数正态分布参数多变点的贝叶斯估计[J].福州大学学报(自然科学版),2014,42(4):507~513
左截断右删失数据下对数正态分布参数多变点的贝叶斯估计
Bayesian estimation of parameter of lognormal distribution with multiple change points for randomly truncated and censored data
  
DOI:10.7631/issn.1000-2243.2014.04.0507
中文关键词: 完全数据似然函数  满条件分布  MCMC方法  Gibbs抽样  Metropolis-Hastings算法
英文关键词: omplete-data likelihood function  full conditional distribution  MCMC method  Gibbs sampling  Metropolis-Hastings algorithm
基金项目:
作者单位
何朝兵 安阳师范学院数学与统计学院河南 安阳 455000 
刘华文 山东大学数学学院山东 济南 250100 
摘要点击次数: 645
全文下载次数: 619
中文摘要:
      通过添加数据得到左截断右删失数据下对数正态分布的完全数据似然函数,研究了变点位置和其它参数的满条件分布. 再利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法得到参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计,进行随机模拟,试验结果表明各参数贝叶斯估计的精度都较高.
英文摘要:
      This paper obtains the complete-data likelihood function of lognormal distribution for randomly truncated and censored data after adding data,then studies the full conditional distributions of change-point positions and other parameters,and gets Gibbs samples of the parameters by MCMC method of Gibbs sampling together with Metropolis-Hastings algorithm,and takes the means of Gibbs samples as the Bayesian estimations of the parameters. Finally random simulation tests are conducted,and the results show that the Bayesian estimations of the parameters are fairly accurate.
查看全文   查看/发表评论  下载PDF阅读器
关闭