单纯形分布广义线性模型的贝叶斯变量选择

单纯形分布广义线性模型的贝叶斯变量选择
赵远英;徐登可;段星德;戴亮
【期刊名称】《内蒙古师范大学学报（自然科学汉文版）》
【年(卷),期】2015(000)004
【摘要】应用 Gibbs 抽样和 MH 算法研究单纯形分布广义线性模型的贝叶斯变量选择问题。

定义了包含模型不确定性的单纯形分布广义线性模型，在该模型框架下描述了能有效识别预测变量的变量选择方法。

最后用数值例子说明了该方法的有效性。

%Bayesian subset selection for simplex distribution linear models is studied by Gibbs sampler and Metropolis-Hastings algorithm in this paper.Firstly,we define simplex distribution linear models which include model uncertainty;And then we explicitly describe a MCMC procedure that can identify the promising subsets of predictors under the simplex distribution linear models.Numerical examples are used to illustrate the proposed methodology.
【总页数】4页(P421-424)
【作者】赵远英;徐登可;段星德;戴亮
【作者单位】贵阳学院数学与信息科学学院，贵州贵阳 550005;浙江农林大学统计系，浙江临安 311300;楚雄师范学院数学系，云南楚雄 675000;贵阳学院数学与信息科学学院，贵州贵阳 550005
【正文语种】中文
【中图分类】O212.8
【相关文献】
1.单变量动态Gamma分布模型及贝叶斯预测 [J], 陈传勇
2.基于多阶段预报分布的贝叶斯多变量均值向量监控模型 [J], 朱慧明;管皓云;林静;虞克明;曾昭法
3.当前状态数据中比例风险模型的一种贝叶斯变量选择方法 [J], 崔笛;张伟平
4.线性模型基于Logistic分布的贝叶斯变量选择 [J], 李泽安;房钦钦;赵为华
5.单纯形分布联合位置与散度模型的贝叶斯变量选择 [J], 赵远英;段星德;庞一成因版权原因，仅展示原文概要，查看原文内容请购买。