1. 研究目的与意义、国内外研究现状（文献综述）
意义由于多层贝叶斯方法不仅利用客观信息而且还利用主观信息，并且较传统贝叶斯方法利用了更多的先验信息进行修正，从而加强了后验估计的稳健性，因此在面对数据获取困难或者代价昂贵的情况时，多层贝叶斯方法不仅能够解决数据不足的问题，而且还能给出更加精确的推断结果。
此外，多层贝叶斯方法最大特点在于多层先验的构建，它的构建提供了一个可以容纳几乎所有高维问题的框架，其灵活的结构使得多层贝叶斯方法可以通过杂乱的数据来解决很多复杂的问题，因此它也特别适用于高维问题的解决。
基因定位是遗传学研究中的重要环节。
2. 研究的基本内容和问题
研究目标（1）运用贝叶斯统计推断方法行模型未知参数的推断和估计。
（2）基于贝叶斯推断方法，对该模型估计所采用的计算方法（mcmc方法）以及相关软件做相应的评述。
（3）在构建多层贝叶斯模型之后，对该模型应用基因数据来进行实证分析和评价，以反映该模型的实际应用价值。
3. 研究的方法与方案
研究方法收集数据、结合分析、模型构造、软件编程、结果分析及评价技术路线选择先验分布构造模型编写数学程序进行基因定位分析实验方案分析多层贝叶斯的理论方法并构建相应的模型，用于分析解决实际的问题，验证其适用于解决解决数据获取困难或者高维建模的问题。
可行性分析（1）研究者已具备高等代数、数学分析、概率论与数理统计等基本理论知识。
（2）研究者具备基本的研究能力，并且拥有图书馆、网络等资源均可进行学习与研究。
4. 研究创新点
创新：缺少数据与均值（方差）异质性是度量时面临的重要问题。
贝叶斯模型中分层先验信息和马尔可夫链蒙特卡洛（mcmc）模拟方法的应用可以有效缓解数据缺失和测量误差问题，并能对相关异质性进行评价和比较，从而避免低估或高估。
针对数据的模型拟合与模型诊断均展现了分层估计的适应性和灵活性，相关方法简洁清晰，适用性很强。
5. 研究计划与进展
2015.10-2015.11收集相关资料，完成文献综述2015.12.30论文开题2016.01-2016.03模型设计、编写相关的数据处理程序，结合数据进行测试与数据分析。
2016.03-2016.05对模型进行应用测试、评价及完善，完成论文的撰写2016.06论文答辩
