第一章贝叶斯统计原理及方法.pptVIP

贝叶斯统计;贝叶斯统计;[1] 贝叶斯统计与决策．Berger J O．中国统计出版社．1998 [2] 现代贝叶斯统计．Kotz S,吴喜之．中国统计出版社．1999 [3] 贝叶斯统计推断．张尧庭、陈汉峰．科学出版社．1991;课程考核：闭卷考试;伽玛函数;伽玛分布;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;§5.4.4 伽玛分布的两个特例;则X的密度函数为;贝塔函数;证明;证明;贝塔分布;贝塔分布的数学期望和方差;（Bayes，Thomas）(1702─1761) 贝叶斯是英国数学家.1702年生于伦敦；1761年4月17日卒于坦布里奇韦尔斯. 贝叶斯是一位自学成才的数学家.曾助理宗教事务，后来长期担任坦布里奇韦尔斯地方教堂的牧师.1742年，贝叶斯被选为英国皇家学会会员. 如今在概率、数理统计学中以贝叶斯姓氏命名的有贝叶斯公式、贝叶斯风险、贝叶斯决策函数、贝叶斯决策规则、贝???斯估计量、贝叶斯方法、贝叶斯统计等等. ;贝叶斯方法(Bayesian approach );　　英国学者T.贝叶斯1763年在《论有关机遇问题的求解》中提出一种归纳推理的理论，后被一些统计学者发展为一种系统的统计推断方法，称为贝叶斯方法。采用这种方法作统计推断所得的全部结果，构成贝叶斯统计的内容。认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派，其形成可追溯到 20世纪 30 年代。到50～60年代，已发展为一个有影响的学派。时至今日，其影响日益扩大。; 本书共六章，可分二部分。前三章围绕先验分布介绍贝叶斯推断方法。后三章围绕损失函数介绍贝叶斯决策方法。阅读这些内容仅需要概率统计基本知识就够了。; 目 录;第一章先验分布与后验分布;经典学派的观点：统计推断是根据样本信息对总体分布或总体的特征数进行推断，这里用到两种信息：总体信息和样本信息； 贝叶斯学派的观点：除了上述两种信息以外，统计推断还应该使用第三种信息：先验信息。 ;§1.1 三种信息;经典统计学：基于以上两种信息进行的统计推断被称为经典统计学。 说明：它的基本观点是把数据（样本）看成是来自具有一定概率分布的总体，所研究对象是这个总体而不局限于数据本身。 据现有资料看，这方面最早的工作是高斯和勒让德德误差分析、正态分布和最小二乘法。从十九世纪末期到二十世纪中叶，经皮尔逊、费歇和奈曼等人杰出的工作创立了经典统计学。 随着经典统计学的持续发展与广泛应用，它本身的缺陷也逐渐暴露出来了。;（1）总体信息:总体分布提供的信息。 （2）样本信息:抽取样本所得观测值提供的信息。 （3）先验信息:人们在试验之前对要做的问题在经 验上和资料上总是有所了解的，这些信息对 统计推断是有益的。先验信息即是抽样（试 验）之前有关统计问题的一些信息。一般说 来，先验信息来源于经验和历史资料。先验 信息在日常生活和工作中是很重要的。;贝叶斯学派的观点：除了上述两种信息以外，统计推断还应该使用第三种信息：先验信息。 ;例1.1 英国统计学家Savage曾考察如下2个统计实验： A。一位常饮牛奶加茶的妇女声称，她能辨别先倒进杯子里的是茶还是牛奶。对此做了10次试验，她都正确地说出了。 B。一位音乐家声称，他能从一页乐谱辨别出是海顿还是莫扎特的作品。在10次这样的试验中，他都能正确辨别。 在这两个统计试验中，假如认为被试验者是在猜测，每次成功的概率为0.5，那么10次都猜中的概率为2-10=0.0009766，这是一个很小的概率，是几乎不可能发生的，所以 “每次成功概率为0.5”的假设应该被拒绝。 被试验者每次成功的概率要比0.5大得多。这不是猜测，而是他们的经验在帮了他们的忙。;例1.2“免检产品”是怎样决定的？某厂的产品每天都有抽验几件，获得不合格品率θ的估计。在经过一段时间后就积累大量的资料，根据这些历史资料（先验信息的一种）对过去产品的不合格品率可构造一个分布：; 基于上述三种信息进行统计推断的统计学称为贝叶斯统计学。 它与经典统计学的差别就在于是否利用先验信息。 贝叶斯统计在重视使用总体信息和样本信息的同时，还注意先验信息的收集、挖掘和加工，使它数量化，形成先验分布，参加到统计推断中来，以提高统计推断的质量。 忽视先验信息的利用，有时是一种浪费，有时还会导出不合理的结论。 在使用样本信息上也是有差异的.贝叶斯学派重视已出现的