Ahadzadeh, Zahra (2019) Bayesian Prediction for Stochastic Processes. Masters thesis, University of Mohaghegh Ardabili.
![]() |
Text
Z. Ahadzadeh.pdf Download (1MB) |
Abstract
Research Aim: Primary purpose of dissertation, the study predicts continuous time process from a bayesian perspective. Research method:In this dissertation, needsPoisson process, Ornstein-Uhlenbeck processBayesian predictor, sufficiency and unbiasedness. Findings:Given two equivalent definitions of a Bayesian predictor and considering the predictions of Poisson process and predictions of Ornstein-Uhlenbeck process, study some properties: admissibility, unbiasedness, sufficiencyand also their efficiency. Finally, have been compared using the simulations method Bayesian and non-Bayesian predictors. Conclusion: Inference based on Bayesian method, choicing a priori function for the unknown parameter has a significant effecet on error estimation and prediction. Also, the Bayesian method performs better than in the method classical in estimation and prediction for fewdata samples.
Item Type: | Thesis (Masters) | ||||
---|---|---|---|---|---|
Persian Title: | پیشبین بیز برای فرآیندهای تصادفی | ||||
Persian Abstract: | هدف: هدف از این پایاننامه، بررسی پیشبین فرآیندهای پیوسته زمان از دیدگاه بیزیاست. روششناسی پژوهش:در این پایاننامه به فرآیند پواسون ، فرآیند اورنشتاین- اُولنبک، پیشبین بیزی، بسندگی و نااریبی نیاز میباشد. یافتهها:با توجه به دو تعریف همارز از پیشبین بیز و با در نظر گرفتن پیشبینهای فرآیند پواسون و فرآیند اورنشتاین- اُولنبک، چندین ویژگی آنها،ازجمله: مجاز بودن، نااریبی، بسندگی و همچنین کارایی آنها مورد بحث و بررسی قرار گرفته و در پایان با استفاده از روش شبیهسازی، پیشبینهای بیزی و غیربیزی با یکدیگر مقایسه شدهاند. نتیجهگیری:در استنباطآماری به روش بیزی، انتخاب تابع پیشین مناسب برای پارامتر مجهول جامعه، اثر معنیداری روی کنترل خطای برآورد و پیشبینی دارد. همچنین، روش بیزی برای نمونههایی با حجم کمترعملکردبهترینسبت به روش کلاسیک در برآوردیابی و پیشبینی خواهد داشت. | ||||
Supervisor: |
|
||||
Advisor: |
|
||||
Subjects: | Faculty of Basic Sciences > Department of Statistics & Computer Sciences Divisions > Faculty of Basic Sciences > Department of Statistics & Computer Sciences |
||||
Divisions: | Subjects > Faculty of Basic Sciences > Department of Statistics & Computer Sciences Faculty of Basic Sciences > Department of Statistics & Computer Sciences |
||||
Date Deposited: | 31 May 2020 08:26 | ||||
Last Modified: | 31 May 2020 08:26 | ||||
URI: | http://repository.uma.ac.ir/id/eprint/11411 |
Actions (login required)
![]() |
View Item |