有序的误分类数据的贝叶斯分析

摘要

如果一个个体被分到了不是其真实状态的类中，就产生了误分类。通常可用双重抽样的方法来估计误分类的概率。我们用含潜在变量的Bayes方法分析了多元有序的误分类数据。我们利用Gibbs抽样器和Metropolis-Hastings算法来抽取联合后验分布的样本，继而进行统计推断。同时为了使算法快速收敛，我们进一步采用了参数扩展技术。我们用仿真的方法验证了本文所建议的模型和算法的有效性，并用之分析实际数据。

目录

文摘

英文文摘

声明

第一章 绪论

§1.1背景知识

§1.2基础知识

§1.3研究内容

第二章 多元误分类模型

§2.1概率结构

§2.2似然函数

第三章 贝叶斯估计

§3.1先验分布

§3.2潜在变量的条件分布

§3.3参数的条件后验分布

§3.4具体的抽样步骤

第四章 仿真

第五章 实际数据分析

第六章 总结

参考文献

致谢