| 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) | https://ah.lib.nccu.edu.tw/item?item_id=100334 | - |
| 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\r\n目錄\r\n第一章 緒論\r\n 1.1 前言-----1\r\n 1.2 本文架構-----1\r\n第二章 文獻回顧\r\n 2.1 Chaloner-Brant法\r\n 2.1.1 誤差項的事後分配-----3\r\n 2.1.2 診斷方法-----4\r\n 2.2 利用Kullback-Leibler對稱散度為診斷準則\r\n 2.2.1 Kullback-Leibler對稱散度之定義-----6\r\n 2.2.2 離群值及具有影響力觀察值之診斷-----7\r\n第三章 退化多元常態分配與多元t分配之密度函數\r\n 3.1 Moore-Penrose逆矩陣-----10\r\n 3.2 退化的多元常態分配與t分配之密度函數\r\n 3.2.1 退化的多元常態分配之密度函數-----11\r\n 3.2.2 退化的多元t分配之密度函數-----12\r\n第四章 隨機誤差項之事後分配\r\n 4.1 無資訊事前分配下誤差項之事後分配\r\n 4.1.1 σ<sup>2</sup>已知下，誤差項之事後分配-----14\r\n 4.1.2 σ<sup>2</sup>未知下，誤差項之事後分配-----16\r\n 4.2 常態─伽瑪事前分配下誤差項之事後分配-----17\r\n第五章 離群值及具有影響力觀察值之診斷\r\n 5.1 無資訊事前分配下，誤差項事後分配之K-L對稱散度\r\n 5.1.1 σ<sup>2</sup>已知下，誤差項事後分配之K-L對稱散度-----19\r\n 5.1.2 σ<sup>2</sup>未知下，誤差項事後分配之K-L對稱散度-----21\r\n 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\r\n第六章 實例分析\r\n 6.1 資料描述-----24\r\n 6.2 資料分析-----25\r\n附錄-----28\r\n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 |
