模糊理論和Bayes理論在高質(zhì)量數(shù)據(jù)分析領(lǐng)域越來(lái)越受到肯定,其中模糊假設(shè)檢驗(yàn)由于更契合人們對(duì)欲檢驗(yàn)命題的精準(zhǔn)刻畫(huà),近年成為統(tǒng)計(jì)決策中許多學(xué)者感興趣的研究?jī)?nèi)容。基于此,本文選擇模糊假設(shè)檢驗(yàn)為研究對(duì)象,研究相應(yīng)隸屬函數(shù)的確定及Bayes檢驗(yàn)推斷方法。已有模糊假設(shè)研究中,隸屬函數(shù)的確定或者被忽略,或者被認(rèn)為經(jīng)驗(yàn)范疇的問(wèn)題。所以,本文首先研究了隸屬函數(shù)的確定問(wèn)題,具體以形式簡(jiǎn)潔的分段線性形式隸屬函數(shù)為對(duì)象,以經(jīng)典統(tǒng)計(jì)理論下的模糊P值和Bootstrap方法為基礎(chǔ),在主觀認(rèn)知的基礎(chǔ)上結(jié)合樣本信息以定量的方式確定隸屬函數(shù)的具體形式。然后,為了使Bayes理論與Bootstrap理論相結(jié)合,研究了 Bayes理論下模糊假設(shè)檢驗(yàn)的參數(shù)Bootstrap方法。一方面通過(guò)Bootstrap密度函數(shù)再抽樣擴(kuò)充對(duì)樣本信息量,以提高假設(shè)間的可分辨性,降低決策的模糊性;另一方面于隸屬函數(shù)的確定中,將參數(shù)Bootstrap方法中參量復(fù)制值的標(biāo)準(zhǔn)差作為重要特征值,使假設(shè)本身兼顧再抽樣穩(wěn)定性指標(biāo),以提高決策的可靠性。最后,基于使假設(shè)描述更契合Bayes觀點(diǎn)中參數(shù)的隨機(jī)屬性的基本觀點(diǎn),本文研究了模糊假設(shè)參與Bayes推斷的Bootstrap方法。具體基于概率分布衍生而來(lái)的隸屬函數(shù),通過(guò)把假設(shè)信息加入到統(tǒng)計(jì)推斷過(guò)程,使Bayes理論下的模糊假設(shè)檢驗(yàn)更符合其作為一種統(tǒng)計(jì)推斷方式的設(shè)定。
【學(xué)位單位】：寧夏大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O212.1;O159

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 魏立力,張文修;多重模糊假設(shè)檢驗(yàn)的貝葉斯方法[J];工程數(shù)學(xué)學(xué)報(bào);2004年03期

2 魏立力,張文修;兩參數(shù)指數(shù)分布模型多重模糊假設(shè)檢驗(yàn)的貝葉斯方法[J];系統(tǒng)工程;2002年02期

本文編號(hào)：2815891