2016系统辨识3汇编.pptVIP

* 上移 * 上移 * 变左右位置 * 下移居中 * 说明 * 精炼 * 理论上讲，由式 5.36 可以求得参数 的后验概率密度函数， 但实际上这是困难的，只有在参数 与数据之间的关系是 线性的，噪声是高斯分布的情况下,才有可能得到式 5.36 的 解析解。求得参数 的后验概率密度函数后， 就可利用它 进一步求得参数 的估计值。常用的方法有两种，一种是极 大后验参数估计方法，另一种是条件期望参数估计方法，这两 种方法统称为Bayes方法。 * 1.极大后验参数估计方法 极大后验参数估计方法就是把后验概率密度函数 达到 极大值作为估计准则。在该准则下求得的参数估计值称作极大 后验估计，记作 。显然，极大后验估计满足方程 或 这意味着在数据 条件下，模型参数 落在 邻域内的概 率比落在其他邻域的概率大。 5.39 * 如果把式 5.36 代入式 5.39 ，并考虑到式 5.36 右边的分母与 无关， 则式 5.39 可写成 5.40 当 是在独立观测条件下的输出样本时，若让 式 5.40 左边的 第一项为零，则对应的估计值就是极大似然估计。可见，极大 后验估计比极大似然估计多考虑了参数 的先验概率知识。 通常情况下，如果参数 的先验概率密度函数 为已知， 则极大后验估计将优于极大似然估计。也就是说，极大后验 估计的