因子實驗中利用二階段法選擇貝氏模型平均法中的候選模型

Tunghai University Institutional Repository > 管理學院 > 統計學系所 > 碩博士論文 > Item 310901/793

Please use this identifier to cite or link to this item: http://140.128.103.80:8080/handle/310901/793

Title:	因子實驗中利用二階段法選擇貝氏模型平均法中的候選模型
Other Titles:	A Two-Stage Procedure for Selecting Candidate Models in Bayesian Model Averaging for Factorial Design Experiments
Authors:	王德綱 Wang, Te-Gang
Contributors:	俞一唐 Yu, I-Tang 東海大學統計學系
Date:	2010
Issue Date:	2011-01-10T02:14:44Z (UTC)
Abstract:	在傳統的方法中，我們依據一些經驗法則，如效果等級次序法則及效果遺傳法則可以找到一個最佳模型，但會忽略了模型的不確定性。貝氏模型平均法可以用來解決這個問題，然而一般的貝氏模型平均法其考慮的候選模型太多，若直接考慮所有的模型計算過程將會太過繁雜，所以Occam’s Window被用來有效的降低候選模型的數目。在本文中我們將介紹了一個基於Occam’s Window二階段模型選取法，保證所選出來的模型滿足效果等級次序法則與效果遺傳法則。經由兩個實際的例子，我們發現此一二階段法可以有效的降低候選模型的個數。
Appears in Collections:	[統計學系所] 碩博士論文

Files in This Item:

File	Description	Size	Format
index.html		0Kb	HTML	797	View/Open