论文部分内容阅读
广义极值分布(Generalized Extreme Value Distribution)作为极值变量的渐进分布具有参数少、灵活性高等优点，它可以通过设定形状参数或尺寸参数的值来实现分布对称性或者偏度的变化。GEV分布的这些优势可以很好地用来弥补一些模型的不足之处。另一方面，贝叶斯参数估计的优势在于先验信息的有效利用以及在复杂模型的参数估计问题上可利用的诸多算法，如ABC、MH等。 通过结合GEV与贝叶斯估计方法，本文着重研究了GEV作为连接函数的二元响应变量模型的优势及其贝叶斯方法改进，通过提出分布式贝叶斯方法克服了海量数据处理的低效问题，并将其应用到海量的游戏数据中，实际的预测误差仅为3.5％。本文还讨论了基于GEV的贝叶斯分层模型的优势以及几种变形，并通过手机数据这个载体去研究人类行为。