贝叶斯预测模型.pdfVIP

贝叶斯预测模型 贝叶斯预测模型的概述 贝叶斯预测模型是运用 贝叶斯统计 进行的一种预测 . 贝叶斯统计 不同于一般的 统计 方法 ,其 不仅利用模型信息和数据信息，而且充分利用先验信息。 托马斯 ·贝叶斯 (Thomas Bayes) 的统计预测方法是一种以动态模型为研究对象的 时间序列 预测方法 。在做 统计推断 时，一般模式是： 先验信息 +总体分布信息 + 样本信息 →后验分布信息 可以看出贝叶斯模型不仅利用了前期的数据信息， 还加入了决策者的经验和判断等信息，并 将客观因素和主观因素结合起来，对异常情况的发生具有较多的灵活性。这里以美国 1960 — 2005 年的出口额数据为例，探讨贝叶斯统计预测方法的应用。 [编辑 ] Bayes 预测模型及其计算步骤 此处使用常均值折扣模型， 这种模型应用广泛而且简单，它体现了动态现行模型的许多基 本概念和分析特性。 常均值折扣模型 对每一时刻 t 常均值折模型记为 DLM{1 ， 1 ，V ， δ} ，折扣因子 δ，O δl 定义如下： 观测方程： μ t = μt - 1 + ωt ， ωt ～ N [O, Wt] 状态方程： yt t t t = μ + v ，v ～N [0,V] 初始信息： ～ N [ m0 0 ，C ] 其中 μ是 t 时刻序列的水平， Vt 是观测误差项或噪声项， ωt 是状态误差项。 定理 ：对于每一时刻 t ，假设 μ t - 1 的后验分布 ( )～N [ mt - 1 ,Ct - 1 ] ，则 μt 的先验分布 t - 1 t t t - 1 t ( )～ N [ m ,R] ，其中 R = C + W 。 推论 1：( )～ N [ft t t t - 1 t t ,Q ] ，其中 f = m ,Q = R + V 。 推论 2： μt t t t t - 1 t t t T t t t t t t t 的后验分布 ( )～ N [ m， C ] ，其中 m = m + A e ,C = A v ,A = R / Q ,e = y - f 由于 Rt=Ct-1+Wt=Ct-1/ δ, 故有 W - t = Ct - 1 - 1 ( δ - 1) 其计算步骤为： (1) Rt t t = C - t / ；δ (2) Q = R + V ； (3) At = Rt / Qt ； (4) ft - 1 = mt - 1 ； (5) e t - yt - ft - 1 ； (6) Ct = At V ； (7) m t - mt - 1 + Atet [编辑 ] 计算实例 根据 The SAS System for Windows 9 ． 0 所编程序，对美国出口额