从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法。由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCM...从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法。由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值。最后对一边角网进行了计算和分析。试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便。展开更多
In this paper,the authors review the history and devlopment of Bayesian methods.The accomplishments of applications of modern Bayesian methods in Actuarial Science are summarized.Finally,the perspective of modern Baye...In this paper,the authors review the history and devlopment of Bayesian methods.The accomplishments of applications of modern Bayesian methods in Actuarial Science are summarized.Finally,the perspective of modern Bayesian methods research in Actuarial Science is discussed.展开更多
文摘从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法。由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值。最后对一边角网进行了计算和分析。试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便。
文摘In this paper,the authors review the history and devlopment of Bayesian methods.The accomplishments of applications of modern Bayesian methods in Actuarial Science are summarized.Finally,the perspective of modern Bayesian methods research in Actuarial Science is discussed.
