首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--贝叶斯统计论文

基于贝叶斯分析的隐马尔可夫模型及其应用

摘要第3-5页
Abstract第5-6页
1 前言第9-12页
    1.1 研究背景与意义第9页
    1.2 国内外研究现状第9-11页
    1.3 本文的主要工作第11-12页
2 马尔可夫链蒙特卡罗方法第12-17页
    2.1 两种常用的MCMC算法第12-14页
        2.1.1 Gibbs抽样算法第13-14页
        2.1.2 Metropolis Hasting算法第14页
    2.2 MCMC算法收敛性诊断第14-15页
    2.3 参数的后验推断第15-17页
        2.3.1 贝叶斯估计第15-16页
        2.3.2 最大后验估计第16-17页
3 隐马尔可夫模型介绍第17-19页
    3.1 隐马尔可夫模型的定义第17-18页
    3.2 隐马尔可夫模型的性质第18-19页
4 泊松隐马尔可夫模型第19-27页
    4.1 泊松隐马尔可夫模型的贝叶斯分析第19-22页
    4.2 模型选择第22-23页
    4.3 实证分析第23-27页
        4.3.1 随机模拟数据分析第23-25页
        4.3.2 地震数据分析第25-27页
5 正态隐马尔可夫模型第27-38页
    5.1 正态隐马尔可夫模型的贝叶斯分析第27-29页
    5.2 标号互换问题及其解决方法第29-32页
        5.2.1 标号互换问题第30-31页
        5.2.2 标号互换问题的解决方法第31-32页
    5.3 实证分析第32-38页
        5.3.1 随机模拟数据分析第32-34页
        5.3.2 标普500指数收益率数据分析第34-38页
6 总结与讨论第38-40页
    6.1 总结第38页
    6.2 讨论第38-40页
致谢第40-41页
参考文献第41-44页
附录第44-69页
    附录A 震级大于7的世界地震统计数据第44-45页
    附录B 标普500指数的日收盘价格的原始数据第45-55页
    附录C 泊松隐马尔可夫模型的Gibbs抽样算法第55-61页
    附录D 正态隐马尔可夫模型的Gibbs抽样算法第61-69页
    附录E 攻读硕士学位期间发表的学术论文第69页

论文共69页,点击 下载论文
上一篇:基于MCMC算法的金融高频数据贝叶斯分析
下一篇:亚纯函数唯一性若干问题的研究