正态分布均值的贝叶斯估计公式的详细推导.doc

正态分布均值的贝叶斯估计： 假设概率密度函数满足正态分布： 其中方差已知，均值未知。假设的先验概率满足正态分布，即： 现有训练样本集合，用贝叶斯估计推导待识别样本的概率密度。 根据贝叶斯估计理论，在已有训练样本集合的条件下，发生的概率密度为： (1) 首先计算，根据贝叶斯公式： 其中与及无关，为常数，令： 另外为独立同分布样本，因此： (2) 其中： ， 由(2)式可以看出，是的二次函数的指数函数，因此满足正态分布，令： (3) 比较(2)式和(3)式，有： 因此： 简化符号，令：，则有： (4) 由(4)式可以看出： 因此，当时最大似然估计与贝叶斯估计相同。 将(4)式代入(1)式： 其中： 为高斯积分，其值得大小只与有关，与，和无关。因此为正态分布：