本文從貝氏統計理論以及時間數列分析法探討動態線性理性預期模型。並用之以國內 的消費、所得以及其他經濟變動數的理性預期因素。 第一章：緒言：研究動機、研究目的、研究方法及資料來源。 第二章：理性預期之假設的含意及其應用。 第三章：數種理性預期模型之建立。 第四章：理性預期模型的統計特性：認定、估定及假設檢定。 第五章：理性預期與移動平均的預測比較。 第六章：理性預期之實證研究─台灣之經濟模型。 第七章：結論與建議。

本文之研究旨在應用貝氏方法，并配合經濟計量模型體系，以探討為使達成預定目標 ，而期望損失為最小情形下之控制變數最適控制值的決定。全文共分為五章，玆分別 扼要說明如下： 第一章緒論計分三節分別就從事本研究的研究動機與目的、研究方法、及研究範圍與 限制作一敘述。 第二章貝氏推論之研討計分五節。為探討貝氏方法在統計推論上之應用，本章將依序 就其立論根據，事前、事後情報來源，推定及其應用作一詳細的介紹。 第三章共分為五節就應用貝氏方法求解最適控制值的理論部份逐次加以探討。於第四 章中將就依此方法，嘗以臺灣實際的個案作一實例應用，以求解強力貨幣在70年第二 季至71年第三季等六季之最適控制值。并就所得結果作一檢討，而作成第五章之結論 。

本文旨在以貝氏分析法來探討誤差項具有自我相關的迴歸模型。全文一冊約三萬兩仟 字，共分為六章，十二節。內容如下： 第一章 緒論：說明迴歸模型，自我相關誤差的意義，及貝氏分析法之理論體系。 第二章 誤差項具有一階自我相關的簡單迴歸模型：分析以傳統抽樣理論法及貝氏分 析法對模型作分析並比較其結果。 第三章 多元迴歸模型：以貝氏法分析自我相關誤差之多元迴歸模型。 第四章 事前分配及其他假設的考慮。 第五章 我國民間消費與個人可支用所得迴歸模型的分析。 第六章 結論。

股價的漲跌變化是由於證券市場中眾多不同投資人及其投資決策後所產生的結果。然而，影響股價變動的因素眾多且複雜，新聞也屬於其中一種，新聞事件不但是投資人用來得知該股票上市公司的相關營運資訊的主要媒介，同時也是影響投資人決定或變更其股票投資策略的主要因素之一。本研究提出以新聞文件做為股價漲跌預測系統的基礎架構，透過文字探勘技術及分類技術來建置出能預測當日個股收盤股價漲跌趨勢之系統。 本研究共提出三種分類模型，分別是簡易貝氏模型、k最近鄰居模型以及混合模型，並設計了三組實驗，分別是分類器效能的比較、新聞樣本資料深度的比較、以及新聞樣本資料廣度的比較來檢驗系統的預測效能。實驗結果顯示，本研究所提出的分類模型可以有效改善相關研究中整體正確率高但各個類別的預測效能卻差異甚大的情況。而對於影響投資人獲利與否的關鍵類別"漲"及類別"跌"的平均預測效能上，本研究所提出的這三種分類模型亦同時具有良好的成效，可以做為投資人進行投資決策時的有效參考依據。 / Stocks' closing price levels can provide hints about investors' aggregate demands and aggregate supplies in the stock trading markets. If the level of a stock's closing price is higher than its previous closing price, it indicates that the aggregate demand is stronger than the aggregate supply in this trading day. Otherwise, the aggregate demand is weaker than the aggregate supply. It would be profitable if we can predict the individual stock's closing price level. For example, in case that one stock's current price is lower than its previous closing price. We can do the proper strategies(buy or sell) to gain profit if we can predict the stock's closing price level correctly in advance. In this thesis, we propose and evaluate three models for predicting individual stock's closing price in the Taiwan stock market. These models include a naïve Bayes model, a k-nearest neighbors model, and a hybrid model. Experimental results show the proposed methods perform better than the NewsCATS system for the "UP" and "DOWN" categories.

本篇論文以Regime Switching Stochastic Volatility（RSV）作為外匯選擇權市場的波動度模型，採用馬可夫鏈蒙地卡羅法（Markov Chain Monte Carlo）中的GibbS Sampling演算法估計RSV模型的參數，並預測外匯選擇權在RSV模型下的價格。 數值結果方面首先對GibbS Sampling參數估計的結果做討論，再對預測出的選擇權價格與Black and Scholes作比較，最後並提出笑狀波幅與隱含波動度平面的結果。 本研究所得到之結論： 1. RSV模型與MCMC模擬法的組合，具備產生笑狀波幅的能力，提供足夠證據顯示，RSV模型與MCMC演算法所計算出來的選擇權價格，確實反應且捕捉到了市場上選擇權價格所應具備的特色。 2. 本模型能有效解釋期限結構 （Term Stucture of Volatility）、笑狀波幅（Volatility Smile）的現象。 關鍵字：馬可夫鏈蒙地卡羅法、外匯選擇權、貝氏選擇權評價、MCMC、Regime switching Regine change、Gibbs Sampling、currency option、Markov Chain Montec Carlo

單變量c-特徵函數已被證明可處理一些難以使用傳統特徵函數解決的問題， 在本文中，我們首先提出其反演公式，透過此反演公式，我們獲得（1）Dirichlet隨機向量之線性組合的機率密度函數；（2）以一些有趣測度為參數之Ferguson-Dirichlet過程其隨機動差的機率密度函數；（3）Ferguson-Dirichlet過程之隨機泛函的Lebesgue積分表示式。 本文給予對稱分配之多變量c-特徵函數的新性質，透過這些性質，我們證明在任何$n$維球面上之Ferguson-Dirichlet過程其隨機均值是一對稱分配，並且我們亦獲得其確切的機率密度函數，此外，我們將這些結果推廣至任何n維橢球面上。 我們亦探討條件分配相容性的問題，這個問題在機率理論與貝式計算上有其重要性，我們提出其充要條件。當給定相容的條件分配時，我們不但解決相關聯合分配唯一性的問題，而且也提供方法去獲得所有可能的相關聯合分配，我們亦給予檢驗相容性、唯一性及建構機率密度函數的演算法。 透過相容性的相關理論，我們提出完整且清楚地統合性貝氏反演公式理論，並建構可應用於一般測度空間的廣義貝氏反演公式。此外，我們使用廣義貝氏反演公式提供一個配適機率密度函數的演算法，此演算法沒有疊代演算法（如Gibbs取樣法）的收斂問題。 / The univariate c-characteristic function has been shown to be important in cases that are hard to manage using the traditional characteristic function. In this thesis, we first give its inversion formulas. We then use them to obtain (1) the probability density functions (PDFs) of a linear combination of the components of a Dirichlet random vector; (2) the PDFs of random functionals of a Ferguson-Dirichlet process with some interesting parameter measures; (3) a Lebesgue integral expression of any random functional of the Ferguson-Dirichlet process. New properties of the multivariate c-characteristic function with a spherical distribution are given in this thesis. With them, we show that the random mean of a Ferguson-Dirichlet process over a spherical surface in n dimensions has a spherical distribution on the n-dimensional ball. Moreover, we derive its exact PDF. Furthermore, we generalize this result to any ellipsoidal surface in n-space. We also study the issue of compatibility for specified conditional distributions. This issue is important in probability theory and Bayesian computations. Several necessary and sufficient conditions for the compatibility are provided. We also address the problem of uniqueness of the associated joint distribution when the given conditionals are compatible. In addition, we provide a method to obtain all possible joint distributions that have the given compatible conditionals. Algorithms for checking the compatibility and the uniqueness, and for constructing all associated densities are also given. Through the related compatibility theorems, we provide a fully and cleanly unified theory of inverse Bayes formula (IBF) and construct a generalized IBF (GIBF) that is applicable in the more general measurable space. In addition, using the GIBF, we provide a marginal density fitting algorithm, which avoids the problems of convergence in iterative algorithm such as the Gibbs sampler.

行人偵測為物件偵測領域中一個極具挑戰性的議題。其主要問題在於人體姿勢以及衣著服飾的多變性，加之以光源照射狀況迥異，大幅增加了辨識的困難度。吾人在本論文中提出利用共變異矩陣描述子及結合單純貝氏分類器與級聯支持向量機的線上學習辨識器，以增進行人辨識之正確率與重現率。 實驗結果顯示，本論文所提出之線上學習策略在某些辨識狀況較差之資料集中能有效提升正確率與重現率達百分之十四。此外，即便於相同之初始訓練條件下，在USC Pedestrian Detection Test Set、 INRIA Person dataset 及 Penn-Fudan Database for Pedestrian Detection and Segmentation三個資料集中，本研究之正確率與重現率亦較HOG搭配AdaBoost之行人辨識方式為優。 / Pedestrian detection is an important yet challenging problem in object classification due to flexible body pose, loose clothing and ever-changing illumination. In this thesis, we employ covariance feature and propose an on-line learning classifier which combines naïve Bayes classifier and cascade support vector machine (SVM) to improve the precision and recall rate of pedestrian detection in a still image. Experimental results show that our on-line learning strategy can improve precision and recall rate about 14% in some difficult situations. Furthermore, even under the same initial training condition, our method outperforms HOG + AdaBoost in USC Pedestrian Detection Test Set, INRIA Person dataset and Penn-Fudan Database for Pedestrian Detection and Segmentation.

過去處理勞資雙方工資談判的文獻，多數假設勞資雙方的訊息是對稱的， 或採合作談判解，或採非合作談判解，他們得到結果多為工資協議往往非 常順利，不會有不合議的事件發生。但事實上勞資雙方談判時，公司的經 營能力或策略、工人之生產力往往是談判雙方互不了解的，也就是現實工 資談判中普遍存有訊息不對稱的情況。本文擬在訊息不對稱的情形下，假 設談判的一方訊息不完全--工會不了解公司的經營能力，設定一個兩期工 資談判模型，僅由工會提議工資，公司之反提議僅為接受或拒絕工會之提 議工資。探討模型之承諾均衡與完全貝氏均衡，並對影響完全貝氏均衡之 因素做進一步之探討。

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=(a₁,…,a_k)'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)σ²的事後分配(iii)(β,σ²)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。 / 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=(a₁,a_k)¹, then use the posterior mean of a¹a/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 σ², and (iii) the joint posterior distribution of β, σ² to find their corresponding symmetric mean square differences , which can be used as diagnostic criterions.

在工業、農業、或醫藥界的實驗中，經常必須拿數個不同的試驗處理 (test treatments)和一個已使用過的對照處理(control treatment)比較 。所謂的試驗處理可能是數組新的儀器、不同配方的新藥、或不同成份的 肥料等。以實驗新藥為例，研藥者想決定是否能以新藥取代原來所使用的 藥，故對v種新藥與原藥做比較，評估其藥效之差異。為了降低實驗中不 必要的誤差以增加其準確性，集區設計成為實驗者常用的設計方法之一； 又因A式最適設計是我們欲估計的對照處理效果(effect)與試驗處理效果 之差異之估計值最小的設計，基於此良好的統計特性，我們選擇A式最適 性為評判根據。古典的A式最適性並未將對照處理與試驗處理所具備的先 前資訊(prior information)加以考慮，以上例而言，我們不可能對原來 使用的藥一無所知，經由過去的實驗或臨床的反應，研藥者必已對其藥性 有某種程度的了解，直觀上，這種過去經驗的累積，影響到實驗配置上， 可能使對照處理的實驗次數減少，相對地可對試驗處理多做實驗，設計遂 更具意義。因而本文考慮在k>v的情形下之貝式最適集區設計，對先前分 配施以某種限制，依據準確設計理論(exact design theory)，推導單項 異種消除模型(one- way elimination of heterogeneity model)之下的 貝氏A式最適設計與Γ- minimax最適設計，使Majumdar(1992)的結果能適 用於完全集區設計。此種設計對先前分配具有強韌性，即當先前分配有所 偏誤，且其誤差在某一範圍內時，此設計仍為最適設計或仍可維持所謂的 高效度(high efficiency)。本文將列舉許多實例以說明此一特性。 We consider the problem of comparing a set of v test treatments simultaneously with a control treatment when k>v. Following the work of Majumdar(1992), we use exact design theory to derive Bayes A-optimal designs and optimal Γ-minimax designs for the one-way elimination of heterogeneity model. These designs have the same properties as of Bayes A-optimal incomplete block designs. We also provide several examples of robust optimal designs and highly efficient designs.