利用贝叶斯统计建立生物信息学模型-概率论与数理统计专业毕业论文.pdfVIP

摘 要 在生物信息学的研究过程中，往往会伴随着大量的DNA和蛋白质数 据，对于这些数据如何处理就变得十分必要，为此目的人们发展了很多的 方法。在f41文中指出，如果假设数据具有某种随机分布，可以通过贝叶 斯(Bayes)统计方法利用获得的数据建立关于DNA和蛋白质中核苷酸和 氨基酸分布的概率模型，通过一些经验约束条件谨慎选择先验分布并计算 在其条件下所获得数据的似然度，我们就可以求得模型参数的最大后验 概率估计(MAP)或者其它估计比如最大似然估计和石验概率均值估计。 最后利用这样的建模方法讨论了两个较为典型的模型：骰子模型和隐马 氏(HMM)模型。本文主要的工作就是运用贝叶斯决策方法详细讨论了建 模的主要过程和步骤，仔细分析了两个典型模型，做了大量的计算和证 明，对f4】文作了重要补充和改进。 ’c贝叶斯统计，数据似然度，先验分布．后验分布，最大后验 概搴估计，骰子模型，跨马氏模型 Abstract Intheresearch of arelotsofDNAdata Bioinformaties．There process and howtodealwiththesedatais andwe proteindata，So very necessary have mea．nsforthis u8．If developedmany suppose purpose．article[4]tell is datastochastic wecanestablish sequence，UsingBayes-statistics probabib for model aciddataof some ity experien- ribitol／amino DNA／protein．using tial we and select distribution calculatelikelihood obligationprior carefully ofthesedatain we this MAPestimationofmodel’S condition，Sogain param- eterandother such estimateas Likelihood estimation)and ML(Maximum thismeanswe discusstwo posterior rep— MP(mean estima