| dc.contributor.advisor | 宋傳欽 | zh_TW |
| dc.contributor.author (Authors) | 邱治中 | zh_TW |
| dc.creator (作者) | 邱治中 | zh_TW |
| dc.date (日期) | 1995 | en_US |
| dc.date (日期) | 1994 | en_US |
| dc.date.accessioned | 29-Apr-2016 16:00:28 (UTC+8) | - |
| dc.date.available | 29-Apr-2016 16:00:28 (UTC+8) | - |
| dc.date.issued (上傳時間) | 29-Apr-2016 16:00:28 (UTC+8) | - |
| dc.identifier (Other Identifiers) | B2002003565 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/88462 | - |
| 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) | 文獻中診斷離群值及有影響力觀察值的方法，以臻完備。本文將從貝氏觀點提出一個新的診斷方法，也就是利用誤差項事後分配的Kullback-Leibler對稱散度來做為診斷離群值及有影響力觀察值的標準。 | zh_TW |
| dc.description.tableofcontents | 摘要 目錄 第一章 緒論 1.1 前言-----1 1.2 本文架構-----1 第二章 文獻回顧 2.1 Chaloner-Brant法 2.1.1 誤差項的事後分配-----3 2.1.2 診斷方法-----4 2.2 利用Kullback-Leibler對稱散度為診斷準則 2.2.1 Kullback-Leibler對稱散度之定義-----6 2.2.2 離群值及具有影響力觀察值之診斷-----7 第三章 退化多元常態分配與多元t分配之密度函數 3.1 Moore-Penrose逆矩陣-----10 3.2 退化的多元常態分配與t分配之密度函數 3.2.1 退化的多元常態分配之密度函數-----11 3.2.2 退化的多元t分配之密度函數-----12 第四章 隨機誤差項之事後分配 4.1 無資訊事前分配下誤差項之事後分配 4.1.1 σ2已知下，誤差項之事後分配-----14 4.1.2 σ2未知下，誤差項之事後分配-----16 4.2 常態─伽瑪事前分配下誤差項之事後分配-----17 第五章 離群值及具有影響力觀察值之診斷 5.1 無資訊事前分配下，誤差項事後分配之K-L對稱散度 5.1.1 σ2已知下，誤差項事後分配之K-L對稱散度-----19 5.1.2 σ2未知下，誤差項事後分配之K-L對稱散度-----21 5.2 常態─伽瑪事前分配下，誤差項事後分配之K-L對稱散度-----23 第六章 實例分析 6.1 資料描述-----24 6.2 資料分析-----25 附錄-----28 參考文獻-----40 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#B2002003565 | en_US |
| dc.subject (關鍵詞) | 離群值 | zh_TW |
| dc.subject (關鍵詞) | 殘差 | zh_TW |
| dc.subject (關鍵詞) | 貝氏方法 | zh_TW |
| dc.title (題名) | 離群值偵測與殘差分析之貝氏方法 | zh_TW |
| dc.type (資料類型) | thesis | en_US |
