dc.contributor.advisor | 姜志銘 | zh_TW |
dc.contributor.author (Authors) | 汪為開 | zh_TW |
dc.creator (作者) | 汪為開 | zh_TW |
dc.date (日期) | 1995 | en_US |
dc.date (日期) | 1994 | en_US |
dc.date.accessioned | 29-Apr-2016 16:00:26 (UTC+8) | - |
dc.date.available | 29-Apr-2016 16:00:26 (UTC+8) | - |
dc.date.issued (上傳時間) | 29-Apr-2016 16:00:26 (UTC+8) | - |
dc.identifier (Other Identifiers) | B2002003564 | en_US |
dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/88461 | - |
dc.description (描述) | 碩士 | zh_TW |
dc.description (描述) | 國立政治大學 | zh_TW |
dc.description (描述) | 應用數學系 | zh_TW |
dc.description.abstract (摘要) | 以部分區分(或部份類別無法區分)(partially-classified) 失去部份訊息資料 (censored data) 的類別抽樣 (categorical sampling) 在許多的應用領域中都非常重要。這類問題的研究探討已行之有年,但大部份都把重點放在〝失去部份訊息資料但無價值性〞(non-informative censoring) 以及〝誠實回答〞(truthful reporting) 的前提下。Thomas J. Jiang取消了以上二個前提的限制,並提出了quasi-Bayes method來近似這類問題的貝氏解(Bayes solution)。此一quasi Bayes methood與Makov and Smith (1977)與Smith and Maikov (1978) 所整合出的〝quasi Bayes procedure for mixture〞相類似。本文所引用的quasi-Bayes method的計算公式都已導出,而且只需要少許的時間便可解出答案。本文重站在比較quasi-Bayes method與Bayes method的效卒,quasi-Bayes近似狀況的好壞,並探討在何種情況下quasi-Bayes的近似狀況較差。 | zh_TW |
dc.description.tableofcontents | Contents Chinese Abstract 1 簡介-----3 2 演算公式與比較方法-----4 2.1 貝氏方法(Bayes Method)-----5 2.2 關於Bayes Method程式化的一些探討-----11 2.2.1 較不易溢位的Bayes演算法-----13 2.2.2 迴圈單一化-----16 2.3 近似貝氏方法(Quasi-Bayes Method)-----17 2.4 比較方法-----18 3 演算法-----21 3.1 簡介-----21 3.2 演算法-----22 4 計算結果與結論-----31 4.1 基本分析-----33 4.2 進階分析-----50 4.3 結論-----66 | zh_TW |
dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#B2002003564 | en_US |
dc.subject (關鍵詞) | 類別資料 | zh_TW |
dc.subject (關鍵詞) | 訊息 | zh_TW |
dc.title (題名) | 失去部份訊息而有價值的類別資料依循序程式處理之計算方法 | zh_TW |
dc.type (資料類型) | thesis | en_US |