| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 二元响应变量回归模型的研究现状 | 第9-11页 |
| 1.2.1 经典的连接函数及其改进 | 第10-11页 |
| 1.2.2 模型的参数估计法及展望 | 第11页 |
| 1.3 贝叶斯分层模型的研究现状 | 第11-12页 |
| 1.3.1 分层模型的近似贝叶斯方法 | 第11-12页 |
| 1.3.2 GEV分层模型的应用 | 第12页 |
| 1.4 本文研究内容 | 第12页 |
| 1.5 本文组织架构 | 第12-14页 |
| 第2章 广义极值分布及一般贝叶斯估计方法 | 第14-21页 |
| 2.1 广义极值分布一般性质研究 | 第14-16页 |
| 2.1.1 渐进分布 | 第14页 |
| 2.1.2 Fisher-Tippett-Gnedenko理论 | 第14-15页 |
| 2.1.3 广义极值分布一般性质 | 第15-16页 |
| 2.2 贝叶斯参数估计方法 | 第16-18页 |
| 2.3 近似贝叶斯方法 | 第18-21页 |
| 第3章 GEV作为连接函数的二元响应变量模型算法研究 | 第21-28页 |
| 3.1 二元响应变量回归模型基本理论 | 第21-22页 |
| 3.1.1 广义线性模型的组成要素 | 第21-22页 |
| 3.1.2 以GEV作为连接函数的模型 | 第22页 |
| 3.2 单节点的贝叶斯估计(Bayesian estimation)法 | 第22-23页 |
| 3.3 分布式贝叶斯(Distributed Bayesian estimation)算法 | 第23-24页 |
| 3.3.1 其它非参数估计策略 | 第24页 |
| 3.4 数值模拟试验 | 第24-28页 |
| 3.4.1 模拟数据集 | 第24页 |
| 3.4.2 分布式处理环境 | 第24-25页 |
| 3.4.3 试验结果与分析 | 第25-26页 |
| 3.4.4 游戏数据应用 | 第26-28页 |
| 第4章 基于GEV的分层模型研究及应用 | 第28-35页 |
| 4.1 贝叶斯分层模型 | 第28-29页 |
| 4.2 基于GEV的分层模型 | 第29-30页 |
| 4.3 分层模型的EasyABC估计法 | 第30-31页 |
| 4.4 手机数据分析 | 第31-35页 |
| 4.4.1 数据描述 | 第31页 |
| 4.4.2 统计量及用户行为量化 | 第31-32页 |
| 4.4.3 GEV分层模型应用 | 第32-35页 |
| 第5章 结束语 | 第35-37页 |
| 5.1 本文的贡献及创新点 | 第35-36页 |
| 5.1.1 本文的研究贡献 | 第35页 |
| 5.1.2 本文的创新点 | 第35-36页 |
| 5.2 未来研究工作展望 | 第36-37页 |
| 参考文献 | 第37-41页 |
| 致谢 | 第41页 |
