原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
概率论与数理统计第2版资源-宗序平 主编 概率统计75
7.5 Bayes估计 * * 一、Bayes估计的统计基础 统计推断是根据样本信息对总体分布或其特征进行推 断的过程，统计推断应用了总体信息与样本信息，而 Bayes学派认为应当应用第三类信息：先验信息。 1.总体信息:是指总体分布或分布簇提供的信息,如 总体服从正态分布;总体的一、二阶存在等。 3.先验信息:来自于经验或历史资料，如研究大学生的平均身高，人们大体上知道应当在[100cm,200cm]之间，这 就是先验信息。 2.样本信息:是指得到样本观察值后得到的一些信息； 如：样本均值、样本方差 Bayes估计的基本思想是：将待估参数视为一随机变 量，可用一概率分布描述，这个分布称为先验分布。 二、Bayes估计的基本步骤 （1）参数? 为随机变量，先验分布的密度函数为 （2）样本X=(X1,… ,Xn) i.i.d.p(x|?),X的条件密度函数为 （3）样本X=(X1,… ,Xn) 与参数? 的联合概率分布密度函数为 （4）求后验分布 （5）求后验分布的数学期望作为参数的估计，称为Bayes估计。看下列实例。 例1 X1,… ,Xn i.i.d.B(1,? ),先验分布分别为U(0,1),Beta(p,q), 求? 的Bayes估计 解 (1) c 为常数。 (2) 例2 X1,… ,Xn i.i.d.P(x|? ),先验分布分别为?(a,p), 求? 的Bayes估计 * * *
文档评论（0）