ch2 bayes推断.pdf

Ch2 贝叶斯推断 主讲教师：董雪梅 主要内容  条件方法  估计  区间估计  假设检验  预测  似然函数 学习目标  掌握二次损失函数下参数估计的贝叶斯方法、估 计量的误差分析；了解最大后验密度的可信区间；  掌握贝叶斯基本假设的涵义、检验方法的一般步 骤,了解贝叶斯预测和似然原理。 §2.1 条件方法 后验分布的特点：未知参数的后验分布是集三种 信息 （总体、样本和后验）于一身，它包含了所有 可供利用的信息。故有关的参数估计和假设检验等 统计推断都按一定方式从后验分布提取信息，其提 取方法与经典统计推断相比要简单明确得多。 . 条件方法的基本思想：基于后验分布的统计推断 实际上只考虑已出现的数据 （样本观察值）而认为 未出现的数据与推断无关，这一重要的观点被称为 “条件观点”，基于这种观点提出的统计方法被称 为条件方法。  条件方法与频率方法的区别：(以对估计的无偏性认识为 例)经典统计学认为参数的无偏估计应满足： ˆ ˆ E(x) (x)p (x |)dx  x 其中平均是对样本空间中所有可能出现的样本而求的，可实 际中样本空间中绝大多数样本尚为出现过，而多数从未出现 的样本也要参与平均是实际工作者难以理解的。故在贝叶斯 推断中不用无偏性，而条件方法是容易被实际工作者理解和 接受的。 1.贝叶斯估计 定义2.1使后验密度(x)达到最大的值 MD 称为最 ˆ 大后验估计 ；后验分布的中位数Me 称为后验中位 ˆ 数估计；后验分布的期望值E 称为  的后验期望 ˆ 值估计，这三个估计都称为贝叶斯估计，记为B 。 例 2.2.1 设x ,,x 是来自正态总体 2 的一个样本，其 1 n N(, ) 2 2    中 已知，若取 的共轭先验分布N (, ) 作为 的先验分 2   布，其中 与 已知，求 的 Bayes 估计。 解题的基本步骤： 由例1.3.1 知 2   ~ N ( , ) 1．计算 的后验分布： 1 1 2．分析后验分布的特征：对称分布  3 ．求 的Bayes 估计： 2 2 2 2      x 0