2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩37頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、在公共衛(wèi)生,經(jīng)濟(jì),醫(yī)學(xué)以及農(nóng)業(yè)等眾多領(lǐng)域都存在著大量的計(jì)數(shù)數(shù)據(jù)。對(duì)于這類數(shù)據(jù)的處理,人們常運(yùn)用一些經(jīng)典的離散模型,如泊松模型,負(fù)二項(xiàng)模型,廣義泊松模型等。然而在實(shí)際問題中,資料中包含的零數(shù)據(jù)通常比經(jīng)典離散模型能夠預(yù)測(cè)的取值為零的數(shù)據(jù)要多,故將這類數(shù)據(jù)成為零過多數(shù)據(jù)(zero-inflated,簡(jiǎn)記為ZI),此時(shí)標(biāo)準(zhǔn)離散分布已不再適合它們。近年來(lái)興起的零膨脹模型成為分析這類零過多數(shù)據(jù)的有效方法,本文主要研究這類模型的極大似然估計(jì)和貝葉斯估

2、計(jì)方法的探討,著重介紹零膨脹泊松模型的貝葉斯估計(jì)。
  本文第一章介紹了研究背景。第二章主要介紹貝葉斯方法的基本理論及處理算法。第三章介紹了泊松模型和負(fù)二項(xiàng)模型的基本概念,并將泊松回歸和負(fù)二項(xiàng)回歸在貝葉斯條件下進(jìn)行理論分析,案例研究病人一年內(nèi)拜訪醫(yī)生次數(shù)與年齡及自己對(duì)身體狀況的認(rèn)識(shí)的關(guān)系的一個(gè)實(shí)例,并對(duì)數(shù)據(jù)在先驗(yàn)假設(shè)條件下進(jìn)行貝葉斯估計(jì)。第四章介紹了ZIP模型和ZINB模型的參數(shù)估計(jì)方法,并以ZIP模型為例進(jìn)行模擬研究,討論了極大

3、斯然估計(jì)的效果,以釣魚數(shù)據(jù)為例利用ZIP模型對(duì)參數(shù)進(jìn)行兩種估計(jì)方法的分析,結(jié)果表明在樣本數(shù)較小情況下,貝葉斯估計(jì)更能顯示出統(tǒng)計(jì)學(xué)意義且分析圖像能更加清晰地展示貝葉斯方法的有效性。第五章簡(jiǎn)單敘述了本文所做的學(xué)習(xí)結(jié)果。結(jié)果表明泊松回歸和負(fù)二項(xiàng)回歸模型是擬合計(jì)數(shù)數(shù)據(jù)的基本模型,但當(dāng)零數(shù)據(jù)比重較大時(shí),這兩種模型的估計(jì)效果較差,而零膨脹模型可以有效地處理這類數(shù)據(jù)。在樣本數(shù)量較大時(shí),極大似然估計(jì)與貝葉斯估計(jì)結(jié)果較接近,當(dāng)樣本數(shù)較小時(shí),貝葉斯方法的優(yōu)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論