ch1 先验分布与 及后验分布 贝叶斯统计课件.pptVIP

;一、统计推断中可用的三种信息 二、贝叶斯公式 三、共轭先验分布 四、超参数及其确定 五、多参数模型 六、充分统计量;1.总体信息：总体分布或所属分布族提供给我们的信息 2.样本信息：从总体抽取的样本提供给我们的信息 3.先验信息：在抽样之前有关统计推断的一些信息。 ;;一、贝叶斯公式的三种形式; 在这个联合密度函数中。当样本 给定之后，未知的仅是参数θ了，我们关心的是样本给定后，θ的条件密度函数，依据密度的计算公式，容易获得这个条件密度函数：;3.贝叶斯公式的离散形式：; 前面的分析总结如下：人们根据先验信息对参数θ已有一个认识，这个认识就是先验分布π(θ)。通过试验，获得样本。从而对θ的先验分布进行调整，调整的方法就是使用上面的贝叶斯公式，调整的结果就是后验分布 。后验分布是三种信息的综合。获得后验分布使人们对θ的认识又前进一步，可看出，获得样本的的效果是把我们对θ的认识由π(θ)调整到 。所以对θ的统计推断就应建立在后验分布 的基础上。;例1.4 设事件A的概率为 ，即 。为了估计 而作n次独立观察，其中事件A出现次数为X，则有X服从二项分布 即;即：;注：1.伽玛分布与贝塔分布简介：;2.特例：?当p=q=1时， βⅠ(1,1)型分布即为区间[0，1]上的均匀分布； ?当p=q=1/2， βⅠ(1/2,1/2)型分布称为反正弦分布，密度函数为： ?设 ，则 的密度函数为：;3.为什么将贝塔分布作为θ的先验分布族是恰当的？;例1.5 投资决策问题;§1.3 共轭先验分布;(2)确定先验分布:;(3)计算后验分布:;;补充例题： 设X表示人的胸围，根据经验，胸围是近 似服从正态分布的。现测量了n=10000个 人的胸围，得样本均值为39.8(cm)，样本 方差为4，假设θ的先验分布为N(38,9)， 求θ的后验分布。 (答案： N(39.8,1/2500));二、怎样简化后验分布的计算 ——省略常数因子 ;利用后验分布的核重新证明例1.6;例1.7 证明：二项分布的成功概率θ的共轭先验分布是贝塔分布。;三、共轭先验分布的优缺点;例1.8 例1.6中后验均值与后验方差的合理解释。;例1.9 对例1.7中后验分??的均值和方差的解释。 分析：后验分布Be(α+x, β+n-x)的均值和方差可写为：;;;四、 常用的一些共轭先验分布;解题的基本思路：;;;常用的一些共轭先验分布;§1.4 超参数及其确定;1.利用先验矩：;2.利用先验分位数：;3.利用先验矩和先验分位数;§1.5 多参数模型;例1.12 试求正态均值与正态方差的（联合） 共轭先验分布及后验分布。（P24）;1.取先验分布为 的情形;;back;3.取先验分布为共轭先验分布的情形; 例 有一实验站关于生长小麦的经验为每块样地的均值 和标准差分别为100及10的正态分布，现在他们研究施加激 素的影响。在12块地施加激素后所得产量如下(单位：千克)： 141,102,73,171,137,91,81,157,146,69,121,134 关于方差的信息是均值、标准差分别约为300及160； 关于均值的信息是均值约为110，约为15即相当于观测了 15个观测值。 求: (1) 的共轭先验； (2) 的后验密度函数； (3) 的边际后验； (4) 对 已知情况下的条件后验密度函数。;§1.6 充分统计量;定义：设 是来自分布函数F(x|θ)的一个样本， T=T(x)是统计量，假如在给定T(x)=t的条件下，x的条件分布与θ 无关的话，则称该统计量为θ的充分统计量。 充分统计量的一个重要特性：当得到充分统计量T的某个取 值t之后，而失去原样本的观察值也没有关系。因为我们可以根 据上述的条件分布来构造某个随机试验，从中获得来自总体的 一个新样本，这个新样本虽不能完全恢复老样本的原状，但它 与老样本所含的有关参数θ的信息是一样的。 例题1 设总体为二点分布b(1, θ)， 为样本，令 求在给定T的取值后，X的条件分布。; 因子分解定理：一个统计量T(x)对参数θ是充分的充要条件是：存在一个t与