论文部分内容阅读
本文用Bayes方法处理了已知变点数下二次线性回归模型和Weibull分布的变点问题，文章第二章处理了已知二次线性回归模型中含一个、两个及多个变点数下方差有变化及无变化情形时的变点问题，利用t分布及x~2分布的性质获得了变点位置、回归系数和方差的边际后验分布，并且发现回归系数的边际后验分布的形式是加权的t分布，而方差的边际后验分布的形式是加权的逆Γ分布，这样就很容易地得到了未知参数的后验期望即Bayes估计，通过多次模拟比较发现：变点位置和回归系数的Bayes估计的均方误差要比MLE的均方误差一致地小，文章第三章用Bayes方法处理了Weibull分布的变点问题，考虑了分布的变化是由于刻度参数和形状参数的同时变化引起的一般情形，并用自适应判别抽样法(Adaptive Rejection Sampling，简称ARS)和Laplace算法，都很好地得到了变点位置、刻度参数和形状参数的Bayes估计。