| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·选题背景 | 第8页 |
| ·国内外研究概况 | 第8-10页 |
| ·本文的内容安排 | 第10-11页 |
| 2 预备知识 | 第11-20页 |
| ·贝叶斯统计 | 第11-13页 |
| ·贝叶斯公式 | 第11-12页 |
| ·先验分布的选择 | 第12-13页 |
| ·贝叶斯方法的优点 | 第13页 |
| ·MCMC方法与Gibbs抽样 | 第13-17页 |
| ·MCMC方法的基本思路 | 第14-15页 |
| ·满条件分布 | 第15-16页 |
| ·Gibbs抽样 | 第16-17页 |
| ·AR 模型的介绍 | 第17-20页 |
| ·建立时序模型的基本思想 | 第17-18页 |
| ·自回归模型 | 第18-20页 |
| 3 AR 模型阶数的贝叶斯因子判据 | 第20-34页 |
| ·AR 模型的贝叶斯因子 | 第20-21页 |
| ·AR 模型的贝叶斯因子的计算 | 第21-23页 |
| ·主要结果 | 第23-24页 |
| ·一些引理 | 第24-28页 |
| ·定理的证明 | 第28-32页 |
| ·模拟计算 | 第32-34页 |
| 4 观测数据对AR 模型阶数的贝叶斯因子判据的影响 | 第34-43页 |
| ·计算边缘密度的CHIB’S 抽样方法 | 第34-36页 |
| ·在完全数据情形下AR 模型贝叶斯因子的计算 | 第36-38页 |
| ·在不完全数据情形下AR 模型贝叶斯因子的计算 | 第38-39页 |
| ·观测数据对AR 模型阶数的贝叶斯因子判据的影响 | 第39-40页 |
| ·实例和比较 | 第40-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 攻读硕士期间发表的论文目录 | 第47页 |