- 文献综述（或调研报告）：
许多回归问题可以建模为不相交的段中的独立线性回归分析。我们感兴趣的问题是找到变点结束段的数量和位置，并找到里面的每段的模型阶。Fearnhead（2005，2006）提出了一个新的方法被纳入考虑范围。这是使用来自模型的后验分布的完美模拟的贝叶斯方法。之后，关于该算法的一些改进被逐步提出：一个用于选择使用的先验分布参数的方法和一种能消除Fearnhead（2005，2006）中的误差来源的算法。这种方法是通过测试几个不同的模拟，分析模型的类型和顺序而得到的。尽管在某些情况下存在误差，但是该算法在许多的调查情况下获得了成功，这是一种发现变点的简单有效的方式。
建立模型
我们观察数据某一特定部分的密度函数，表示s:t是一个部分，它的模型阶为q。因此G是一个模型阶为q的基础方程的（t-s 1）*q矩阵。
首先我们表示为
所以的边缘密度可以表示为
由前文可得
简化后为
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
