作者：何朝兵完全数据似然函数满条件分布mcmc方法gibbs抽样
摘要：首先通过添加数据得到了左截断右删失数据下伽玛分布的完全数据似然函数,然后研究了变点位置和其它参数的满条件分布,接着利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC（Markov Chain Monte Carlo）方法得到了参数的Gibbs样本,把Gibbs样本的均值作为各参数的贝叶斯估计,随机模拟试验的结果表明各参数贝叶斯估计的精度都较高.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《四川师范大学学报·自然科学版》（CN：51-1295/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《四川师范大学学报·自然科学版》为综合性的自然科学学术期刊，坚持以马列主义、思想和邓小平理论为指导，积极参与国内外学术交流，促进科技发展，繁荣学术研究，坚持理论联系实际，努力提高学术水平，为教学、科研服务，为社会主义现代化建设服务，为经济振兴与文化教育事业的发展作贡献。
杂志详情
