| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 文献综述 | 第9-16页 |
| 1.1.1 有限混合模型 | 第9-11页 |
| 1.1.2 异方差性 | 第11-12页 |
| 1.1.3 Pareto分布 | 第12-13页 |
| 1.1.4 Bayes估计 | 第13-16页 |
| 1.2 本文的研究内容及结构 | 第16-17页 |
| 2 异方差正态-Pareto混合模型 | 第17-25页 |
| 2.1 模型的建立 | 第17-21页 |
| 2.2 先验分布与满条件后验分布 | 第21-25页 |
| 2.2.1 β,y满条件后验分布 | 第21-22页 |
| 2.2.2 λ,η满条件后验分布 | 第22-23页 |
| 2.2.3 τ的条件后验分布 | 第23-25页 |
| 3 Markov chain Monte Carlo方法 | 第25-33页 |
| 3.1 Gibbs抽样 | 第25-26页 |
| 3.2 Metropolis-Hastings抽样 | 第26-28页 |
| 3.2.1 逐分量的Metropolis-Hastings抽样 | 第26-27页 |
| 3.2.2 辅助变量方法 | 第27页 |
| 3.2.3 Hybrid Gibbs sampler with Metropolis steps within Gibbs算法 | 第27-28页 |
| 3.3 提案分布的选取与工作变量 | 第28-33页 |
| 3.3.1 τ~((s+1))的提案分布 | 第28页 |
| 3.3.2 β~((s+1)),γ~((s+1))的提案分布 | 第28-30页 |
| 3.3.3 λ~((s+1)),η~((s+1))的提案分布 | 第30-33页 |
| 4 异方差正态-Pareto模型Bayes估计的实现及实证分析 | 第33-45页 |
| 4.1 模拟研究 | 第33-40页 |
| 4.1.1 单条MCMC模拟研究 | 第33-34页 |
| 4.1.2 重复MCMC模拟及其意义 | 第34-40页 |
| 4.2 实证分析 | 第40-45页 |
| 4.2.1 数据简介 | 第40-41页 |
| 4.2.2 模型设定及分析 | 第41-45页 |
| 总结与进一步工作 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
