基于贝叶斯方法的均匀分布变点的估计
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 概述 | 第10-13页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究框架 | 第12-13页 |
| 2 均匀分布的贝叶斯变点检测 | 第13-17页 |
| 2.1 模型提出 | 第13页 |
| 2.2 模型求解 | 第13-16页 |
| 2.2.1 先验分布 | 第14页 |
| 2.2.2 联合密度 | 第14-15页 |
| 2.2.3 后验密度 | 第15页 |
| 2.2.4 超参数估计 | 第15页 |
| 2.2.5 变点估计 | 第15-16页 |
| 2.3 小结 | 第16-17页 |
| 3 均匀分布的贝叶斯检测中先验分布的选择 | 第17-24页 |
| 3.1 无信息先验 | 第17-20页 |
| 3.1.1 有限区间上的连续均匀分布 | 第17-18页 |
| 3.1.2 离散均匀分布 | 第18页 |
| 3.1.3 广义先验分布 | 第18-19页 |
| 3.1.4 Jeffreys无信息先验分布 | 第19-20页 |
| 3.2 共轭先验 | 第20-22页 |
| 3.2.1 均匀共轭先验 | 第20-21页 |
| 3.2.2 beta共轭先验 | 第21-22页 |
| 3.3 小结 | 第22-24页 |
| 3.3.1 参数的取值范围和形式 | 第22页 |
| 3.3.2 优缺点 | 第22-24页 |
| 4 超参数的估计 | 第24-29页 |
| 4.1 矩估计 | 第24-25页 |
| 4.2 极大似然估计 | 第25页 |
| 4.3 ML-Ⅱ型估计 | 第25-28页 |
| 4.4 小结 | 第28-29页 |
| 5 变点的估计和实例 | 第29-34页 |
| 5.1 变点位置的估计 | 第29页 |
| 5.2 模拟 | 第29-31页 |
| 5.3 实例 | 第31-34页 |
| 6 结论 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 作者简历 | 第37-39页 |
| 学位论文数据集 | 第39页 |
