论文编号:SXJY130 论文字数:1895,页数:04
基于Bootstrap法的动态修正贝叶斯精度评估
[摘要]针对工程实际中所普遍存在的小子样条件下,研究具有多阶段试验信息时的参数估计问题,提出一种结合Bootstrap方法与动态修正贝叶斯估计方法对精度评估中的弹点散布方差进行估计的方案。[关键词] Bootstrap;小样本;Bayes;精度评估
在小子样前提下,历史数据和专家意见作为先验信息变成可利用的重要资料,运用Bayes方法可以综合当前样本信息与先验信息,组成较完整的后验信息,在后验分布的基础上进行统计推断。Bayes方法实质上描述了一个如何利用采样信息修正和改进现有的概率分布的规律。 在子样容量不是特别小的情况下,我们认为Bootstrap法是较经典统计更为良好的非Bayes方法。本文以精度评估中落点散布方差的估计问题为例,将Bayes方法和Bootstrap法结合起来,提出动态修正贝叶斯估计的Bootstrap调整模型,并通过算例验证方法的有效性。 一、Bootstrap法 在抽样理论中,Efron(1979,1982)[1]提出了“自助法(Bootstrap)”的概念,其思想的核心是利用自助样本(或称为再生样本)来估计未知概率测度的某种统计特性,如样本分布的估计值的标准差、置信集、临界值等。这种方法是一种使子样信息“提携”的方法,能较好地应用子样自身信息,而且在工程应用中易于实现。