商都音。;R·阿纳布。 异常值影响的时间序列数据的分析贝叶斯估计和分布。 （英语） Zbl 1211.62050号 J.统计理论实践。 2，第4号，513-521（2008）. 摘要：利用所有实现的信息考虑了在存在离群值时指定时域模型的问题，并针对离群值影响的时间序列数据提出了一种分析贝叶斯估计。这种方法是可行的，并且贝叶斯估计比传统的经典离群序列估计具有更高的精度。提出了给定一个无离群值序列的离群值密集序列个数的条件分布，以解决给定序列的分布重叠问题。通过实际数据和模拟数据验证了所提出的贝叶斯估计的有效性。 MSC公司： 2015年1月62日 贝叶斯推断 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 10层62层 点估计 62G05型 非参数估计 关键词：贝叶斯估计量;生成模型;离群值;时间序列实现;条件分布 PDF格式BibTeX公司 XML格式引用 \textit｛D.K.Shangodoyin｝和\textit｛R.Arnab｝，J.Stat.理论实践。2，第4号，513--521（2008；Zbl 1211.62050） 全文： 内政部 参考文献： [1] Abraham B.，《生物医学》第229页–（1979）·Zbl 0407.62063号 ·doi:10.1093/biomet/66.2.229 [2] Bonnie K.，《时间序列分析杂志》23（6），第687页–（2002）·Zbl 1114.62092号 ·doi:10.1111/1467-9892.00286 [3] 方框G.E.P.，时间序列分析；预测与控制（1976）·Zbl 0363.62069号 [4] Chang I.，J.A.S.A.88第782页–（1982） [5] Chattopadhyay M.S.，《统计学传播》25（1），第81页–（1991） [6] 李伟凯，《时间序列分析杂志》4（2），第90页–（1983） [7] Lohmann M.S.，数据质量控制和观测误差估计（2005） [8] O'Hagan A.，贝叶斯推断。肯德尔的先进统计学理论2（1994） [9] Oluwezi N.P.，《远东理论统计杂志》第227页–（2005年） [10] Shangodoin D.K.，《模型辅助统计与应用：国际期刊》，第69页–（2005） [11] Susan C.，Biometrika 62 pp 531–（1975）·兹比尔0321.62053 ·doi:10.1093/biomet/62.3531 [12] SYSTAT（2003） [13] 内政部：10.1080/01621459.1986.10478250·doi:10.1080/01621459.1986.10478250 [14] Ulhas，J.D.Semi-Bayesian在存在指数或均匀分布生成的大纲时指数分布的尺度参数估计。国际统计会议记录。澳大利亚：组合数学及相关领域。伍伦贡大学。 [15] Wetherill G.B.，回归分析与应用（1986）·Zbl 0612.62093号 ·doi:10.1007/978-94-009-4105-2 [16] Yamanishi K.，《数据挖掘知识发现期刊》8（3），第275页–（2004）·doi:10.1023/B:DAMI.0000023676.72185.7c 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。