動態(tài)Poisson模型及其貝葉斯預(yù)測.pdf

1、　　貝葉斯(Bayes)預(yù)測是基于貝葉斯統(tǒng)計原理，利用客觀信息和主觀信息相結(jié)合的方法進(jìn)行的預(yù)測。不同于傳統(tǒng)的非貝葉斯方法，它能處理異常情況的發(fā)生。貝葉斯預(yù)測的一個重要思想是建立動態(tài)模型，并把預(yù)測分布看成是條件概率分布，預(yù)測者根據(jù)先驗(yàn)信息求出預(yù)測分布，然后用新的信息和貝葉斯公式不斷對先驗(yàn)信息進(jìn)行修正更新，從而對模型進(jìn)行動態(tài)的預(yù)測。由M.west和J.Harrison所著的BayesianforecastingandDynamicmodel

2、s【10】用貝葉斯預(yù)測方法對正態(tài)分布類的動態(tài)參數(shù)模型作了詳細(xì)的預(yù)測分析和討論，并介紹了廣義線性動態(tài)模型及其貝葉斯預(yù)測方法?！　”疚脑趶V義線性動態(tài)模型的基礎(chǔ)上對具有Poisson分布的觀測值序列建立了動態(tài)參數(shù)模型，并用貝葉斯預(yù)測方法對模型的動態(tài)參數(shù)在共軛先驗(yàn)下進(jìn)行了信息修正估計和模型的預(yù)測分析；其主要內(nèi)容就是均值先驗(yàn)分布參數(shù)的確定與更新。然后對兩類常用的Poisson分布模型(線性動態(tài)模型和對數(shù)線性動態(tài)模型)的狀態(tài)參數(shù)給出了后驗(yàn)信息估計