IIRCT下泊松分布参数单变点的贝叶斯估计

何朝兵1，刘华文2

【摘要】首先通过添加数据得到了带有不完全信息随机截尾试验下泊松分布的完全数据似然函数，然后研究了变点位置和其它参数的满条件分布，接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对参数进行了估计，最后进行了随机模拟，试验结果表明参数贝叶斯估计的精度较高.

【期刊名称】安徽师范大学学报（自然科学版）

【年(卷),期】2014(037)004

【总页数】5

【关键词】完全数据似然函数；满条件分布；MCMC方法；Gibbs抽样；Metropolis-Hastings算法

变点分析研究始于20世纪50年代，自20世纪70年代初，这一问题引起了一些编译学家的重视，发展了一些变点分析方法[1-3]，如最小二乘法、极大似然法、贝叶斯法和非参数方法等.随着统计计算技术的快速发展，贝叶斯方法的应用越来越广泛，特别是在水文统计[4,5]和计量经济[6]等领域.而贝叶斯计算方法中的Markov chain Monte Carlo(MCMC)方法，使变点分析中贝叶斯方法的实际操作变得非常方便.泊松分布是一类应用广泛的离散型寿命分布，它可以作为多种不同类型试验的模型，泊松分布的另一个应用是研究空间分布，例如湖泊中鱼群数量的分布.文献[7-12]对泊松分布进行了深入研究，其中文献[12]研究了II型截尾情形下泊松分布参数的极大似然估计.近些年来，关于随机截尾试验的研究比较多，带有不完全信息随机截尾试验(random censoring test model with incomplete information)，简称IIRCT，由文献[13]首次涉及，