| dc.contributor.advisor | 宋傳欽 | zh_TW |
| dc.contributor.advisor | Song, Chwan Chin | en_US |
| dc.contributor.author (Authors) | 謝季英 | zh_TW |
| dc.contributor.author (Authors) | Shieh, Jih Ing | en_US |
| dc.creator (作者) | 謝季英 | zh_TW |
| dc.creator (作者) | Shieh, Jih Ing | en_US |
| dc.date (日期) | 1994 | en_US |
| dc.date.accessioned | 29-Apr-2016 16:32:25 (UTC+8) | - |
| dc.date.available | 29-Apr-2016 16:32:25 (UTC+8) | - |
| dc.date.issued (上傳時間) | 29-Apr-2016 16:32:25 (UTC+8) | - |
| dc.identifier (Other Identifiers) | B2002003906 | en_US |
| dc.identifier.uri (URI) | http://nccur.lib.nccu.edu.tw/handle/140.119/88738 | - |
| 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 (描述) | 81155009 | zh_TW |
| dc.description.abstract (摘要) | 在線性迴歸分析中，資料的不適當，常導致研究者選擇了不當的模式，為避免此缺失，在分析資料前須先做好診斷工作。本文中將從貝氏觀點提出一些不同的診斷方法以供參考。首先推導出均數移動參數a=(a<sub>1</sub>,…,a<sub>k</sub>)`的事後分配，並利用a`a/k的事後均數診斷出不當資料點。接著，考慮在個別模式下以β事後分配之總變異及廣義變異為標準，診斷出離群值及具有潛在影響力之觀測值。最後，分別利用(i)β的事後分配(ii)σ<sup>2</sup>的事後分配(iii)(β,σ<sup>2</sup>)的聯合事後分配，推導出對應的對稱均方差以做為診斷標準。 | zh_TW |
| dc.description.abstract (摘要) | In this thesis, some different diagnostic methodologies for outliers and influential observations from Bayesian point of view are proposed. We firstly derive the marginal posterior distribution of the mean-shift parameter a=(a<sub>1</sub>,a<sub>k</sub>)<sup>1</sup>, then use the posterior mean of a<sup>1</sup>a/k to detect the spurious data items. Secondly, we use the posterior total variance and generalized variance of β as diagnostic criterions for outliers and influential observations. Finally, we utilize (i) the posterior distribution of β, (ii) the posterior distribution of σ<sup>2</sup>, and (iii) the joint posterior distribution of β, σ<sup>2</sup> to find their corresponding symmetric mean square differences , which can be used as diagnostic criterions. | en_US |
| dc.description.tableofcontents | 摘要 目錄-----i 第一章 緒論-----1 1.1 前言-----1 1.2 本文架構-----2 1.3 文獻回顧-----2 1.3.1 傳統診斷-----2 1.3.2 貝氏診斷-----4 第二章 模式中參數之事後分配-----7 2.1 均數移動不當模式的簡介-----7 2.2 參數(α,β,σ2)之事前及事後分配-----8 2.3 參數β之事後分配-----9 2.4 參數σ2之事後分配-----11 2.5 參數α之事後分配-----12 第三章 離群值及具有影響力觀測值之診斷-----17 3.1 診斷方法之回顧-----17 3.1.1 以β事後分配的權數為診斷標準-----17 3.1.2 以β事後分配之總變異為診斷標準-----18 3.1.3 以Kullback-Leibler對稱散度為診斷標準-----19 3.2 其它診斷法-----23 3.2.1 以α`α/k事後均數為診斷標準-----23 3.2.2 在個別模式下以β事後分配的總變異及廣義變異為診斷標準-----25 3.2.3 以對稱均方差為診斷標準-----27 第四章 實例分析-----38 4.1 資料描述-----38 4.2 資料分析-----39 4.3 結論-----45 附錄-----52 參考文獻-----68 | zh_TW |
| dc.source.uri (資料來源) | http://thesis.lib.nccu.edu.tw/record/#B2002003906 | en_US |
| dc.subject (關鍵詞) | 貝氏 | zh_TW |
| dc.subject (關鍵詞) | 離群值 | zh_TW |
| dc.subject (關鍵詞) | 影響力之觀測值 | zh_TW |
| dc.subject (關鍵詞) | 不正當 | zh_TW |
| dc.subject (關鍵詞) | 均數移動 | zh_TW |
| dc.subject (關鍵詞) | 對稱均方差 | zh_TW |
| dc.subject (關鍵詞) | Bayesian | en_US |
| dc.subject (關鍵詞) | outliers | en_US |
| dc.subject (關鍵詞) | influential observations | en_US |
| dc.subject (關鍵詞) | spurious | en_US |
| dc.subject (關鍵詞) | mean- shift | en_US |
| dc.subject (關鍵詞) | symmetric mean square difference | en_US |
| dc.title (題名) | 從貝氏觀點診斷離群值及具有影響力之觀察值 | zh_TW |
| dc.title (題名) | Some diagnostics for outliers and influential observations from Bayesian point of view | en_US |
| dc.type (資料類型) | thesis | en_US |
