左截断右删失数据下二项分布参数多变点的贝叶斯估计

左截断右删失数据下二项分布参数多变点的贝叶斯估计
何朝兵;刘华文
【期刊名称】《华南师范大学学报（自然科学版）》
【年(卷),期】2014(000)003
【摘要】通过添加缺损的寿命变量数据得到了左截断右删失数据下二项分布的完全数据似然函数。

给出了变点位置和其他参数的满条件分布。

利用 Gibbs 抽样与Metropolis-Hastings 算法相结合的 MCMC 方法对各参数的满条件分布分别进行了抽样。

详细介绍了 MCMC 方法的实施步骤。

得到了参数的 Gibbs 样本，把Gibbs 样本的均值作为各参数的贝叶斯估计。

随机模拟试验的结果表明各参数贝叶斯估计的精度都较高。

%By filling in the missing data of the life variable,the complete-data likelihood function of binomial distri-bution for left truncated and right censored data is obtained. The full conditional distributions of change-point posi-tions and other parameters are given. Every parameter is sampled from the full conditional distributions respective-ly,using MCMC method of Gibbs sampling together with Metropolis-Hastings algorithm. The implementation steps of MCMC method are introduced in detail. Gibbs samples of the parameters are obtained,and the means of Gibbs samples are taken as Bayesian estimations of the parameters. The random simulation test results show that Bayesian estimations of the parameters is fairly accurate.
【总页数】5页(P34-38)
【作者】何朝兵;刘华文
【作者单位】安阳师范学院数学与统计学院，安阳 455000;山东大学数学学院，济南 250100
【正文语种】中文
【中图分类】O213.2;O212.8
【相关文献】
1.左截断右删失数据下指数分布参数多变点的贝叶斯估计 [J], 何朝兵;刘跃军;刘华文
2.左截断右删失数据下泊松分布参数多变点的贝叶斯估计 [J], 何朝兵;刘华文
3.左截断右删失数据下Pareto分布形状参数多变点的贝叶斯估计 [J], 何朝兵;杜保建;刘华文
4.左截断右删失数据下伽玛分布参数多变点的贝叶斯估计 [J], 何朝兵
5.截断删失数据下广义指数分布多变点模型的贝叶斯估计 [J], 何朝兵
因版权原因，仅展示原文概要，查看原文内容请购买。