参数经验贝叶斯估计问题.pdf

摘 要 经验贝叶斯最早是由 Robbins(1951 ，1955)年提出的，通俗地讲，经验贝叶斯 是利用已有数据来估计未知参数的先验的某些性质的方法。主要包括参数经验贝 叶斯（parametric empirical Bayes, PEB ）和非参数经验贝叶斯(nonparametric empirical Bayes, NPEB) ，前者是假设参数θ 的先验分布属于某一有未知超参数的分布类， 后者则典型地只假设θ 是独立同分布的。近年来，关于经验贝叶斯的讨论和研究 i 也引起越来越多的关注，既有在方法论上的研究也有应用领域的讨论。 经验贝叶斯是频率派和贝叶斯派观点的优良结合体，它继承了贝叶斯方法中 将参数看成是随机变量，考虑参数先验信息；然后利用频率派的方法来得到参数 的先验信息。如非参数经验贝叶斯只是假设参数具有先验，直接写出贝叶斯法则， 而参数经验贝叶斯则假设参数的先验属于某一有未知超参数的分布类，估计出超 参数的估计值，从而得到参数的先验分布的估计。这样的处理方式使得经验贝叶 斯能够得到性质很好的结果。 本文主要工作有以下两个方面：一是利用密度函数核估计的方法构造了在平 方损失函数下，线性指数模型的参数的经验