基于MCMC算法的多元线性回归变点模型的贝叶斯估计  

Bayesian Estimation of Change-Point Model for Multiple LinearRegression Based on MCMC Algorithm

作　　者：刘贞 周菊玲[1] 董翠玲[1] LIU Zhen;ZHOU Juling;DONG Cuiling(School of Mathematical Sciences,Xinjiang Normal University,Urumqi 830017,China)

机构地区：[1]新疆师范大学数学科学学院,乌鲁木齐830017

出　　处：《河南科学》2020年第8期1210-1214,共5页Henan Science

基　　金：国家自然科学基金青年项目(11801488);新疆师范大学重点实验室招标课题(XJNUSYS082019B05);新疆师范大学重点实验室项目(XJNUSYS082018A01);新疆师范大学教改工程项目(SDJG2018-46)。

摘　　要：基于MCMC算法,研究了多元线性回归系数变点模型的贝叶斯估计问题.首先由所有参数的联合后验分布得到各参数的满条件后验分布,再利用Gibbs抽样和MH算法相结合的MCMC算法对满条件分布抽取样本,最后得到变点位置及其他参数的贝叶斯估计.随机模拟结果显示用该方法估计各参数的效果较好.Based on the MCMC algorithm,the Bayesian estimation problem of the change-point model of multiple linear regression coefficients is studied.First,the full-condition posterior distribution of each parameter is obtained from the joint posterior distribution of all parameters.Then each parameter is sampled from the full condition distribution by using MCMC algorithm combining Gibbs sampling and MH algorithm.Finally the Bayesian estimation of the change-point position and other parameters are obtained.The random simulation results show that the method is better for estimating each parameter.

关 键 词：多元线性回归 MCMC算法 满条件分布 贝叶斯估计 

分 类 号：O212.8[理学—概率论与数理统计]