内蒙古师范大学学报(自然科学汉文版)
內矇古師範大學學報(自然科學漢文版)
내몽고사범대학학보(자연과학한문판)
JOURNAL OF INNER MONGOLIA NORMAL UNIVERSITY(NATURAL SCIENCE EDITION)
2015年
4期
421-424
,共4页
赵远英%徐登可%段星德%戴亮
趙遠英%徐登可%段星德%戴亮
조원영%서등가%단성덕%대량
贝叶斯变量选择%Gibbs 抽样%MH 算法%单纯形分布广义线性模型
貝葉斯變量選擇%Gibbs 抽樣%MH 算法%單純形分佈廣義線性模型
패협사변량선택%Gibbs 추양%MH 산법%단순형분포엄의선성모형
Bayesian subset selection%Gibbs sampler%Metropolis-Hastings algorithm%simplex distri-bution linear models
应用 Gibbs 抽样和 MH 算法研究单纯形分布广义线性模型的贝叶斯变量选择问题。定义了包含模型不确定性的单纯形分布广义线性模型,在该模型框架下描述了能有效识别预测变量的变量选择方法。最后用数值例子说明了该方法的有效性。
應用 Gibbs 抽樣和 MH 算法研究單純形分佈廣義線性模型的貝葉斯變量選擇問題。定義瞭包含模型不確定性的單純形分佈廣義線性模型,在該模型框架下描述瞭能有效識彆預測變量的變量選擇方法。最後用數值例子說明瞭該方法的有效性。
응용 Gibbs 추양화 MH 산법연구단순형분포엄의선성모형적패협사변량선택문제。정의료포함모형불학정성적단순형분포엄의선성모형,재해모형광가하묘술료능유효식별예측변량적변량선택방법。최후용수치례자설명료해방법적유효성。
Bayesian subset selection for simplex distribution linear models is studied by Gibbs sampler and Metropolis-Hastings algorithm in this paper.Firstly,we define simplex distribution linear models which include model uncertainty;And then we explicitly describe a MCMC procedure that can identify the promising subsets of predictors under the simplex distribution linear models.Numerical examples are used to illustrate the proposed methodology.