第3.2节贝叶斯估计范例.ppt

第3.2节　贝叶斯估计 一、先验分布与后验分布 二、共轭先验分布 三、贝叶斯风险 四 、贝叶斯估计 再 见 定义3.7 设d=d(x)为决策函数类D中任一决策函数， 损失函数为L(?,d(x)),则L(?,d(x)),对后验分布h(?|x)的 数学期望称为后验风险，记为 注 如果存在一个决策函数，使得 则称此决策为后验风险准则下的最优决策函数，或称 为贝叶斯（后验型）决策函数。 定理3.5 对给定的统计决策问题(包含先验分布给 定的情形）和决策函数类D,当贝叶斯风险满足如下条 件： 定理表明：如果决策函数使得贝叶斯风险最小，此决策函数也使得后验风险最小，反之，也成立. 证明从略 定理3.6 设?的先验分布为?(?)和损失函数为 证 则?的贝叶斯估计为 设m为h(?|x)的中位数，又设d=d(x)为?的另一 估计，为确定期间，先设dm,由绝对损失函数的定义可得 又由于 则 由于m是中位数，因而 则有 于是，当dm时 同理可证，当dm时 因而 定理3.7 设?的先验分布为?(?)和损失函数为 则?的贝叶斯估计为 证 首先计算任一决策函数d(x)的后验风险 为了得到R(d|x)的极小值，关于等式两边求导： 即 则 例5(p94 例3.11) 设总体X服从两点分布B(1,p), 其中参数p未知，而p在[0,1]上服从均匀分布，样本 试求参数p的贝叶斯估计与贝叶斯风