【贝叶斯统计】第一章 先验分布和后验分布.pdfVIP

贝叶斯统计学 Bayesian Statistics 开课的话  历史悠久：R. T. Bayes(1701-1761) P. C. Laplace(1749-1827)  争论不休：经典学派VS 贝叶斯学派  困难所在：模型复杂，计算量巨大  应用广泛：不但在统计本身而且在许多其它学科上 都有重要应用  欣欣向荣：电子计算机；算法；近二十多年来大发展  课堂纪律：有病有事一律向系里请假，而不是向我 请假。有系里批准的假条给我，我都没异议。每次 上课都点名，出勤率关系到你的成绩。  学习态度：强烈的求知（非求职）欲望。  作业：每次作业都有登记评分，另有贝叶斯统计英 译中作业（12月31 日完成上交。期末考试将有英 语题）。  问与答：没有愚蠢的问题，只有愚蠢的回答。任何 问题都可向我提出，我会尽自己的能力，回答你们 的问题。如果没有提问，则认定你已经懂了所教内 容。 第一章先验分布与后验分布 1.1 三种信息 一、 总体信息，即总体分布或总体所属分布族给我们的信息，譬如，“总体是 正态分布”这一句话就给我们带来很多信息：它的密度函数是一条钟形曲线；它 的一切阶矩都存在；有关正态变量（服从正态分布的随机变量）的一些事件的概 2 率可以计算；有关正态分布可以导出 分布、t 分布和F 分布等重要分布；还  有许多成熟的点估计、区间估计和假设检验方法可供我们选用。总体信息是很 重要的信息，为了获取此种信息往往耗资巨大。 二、样本信息，即从总体抽取的样本给我们 提供的信息。这是最“新鲜”的信息，并 且愈多愈好。人们希望通过对样本的加工 和处理对总体的某些特征做出较为精确的 统计推断。没有样本就没有统计学可言。 这是大家都理解的事实。  基于上述两种信息进行的统计推断被称为 经典统计学，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， 所研究的对象是这个总体而不局限于数据 本身。 三、先验信息，即在抽样之前有关统计问题的一些 信息，一般说来，先验信息主要来源于经验和历 史资料。先验信息在日常生活和工作中也经常可 见，不少人在自觉地或不自觉地使用它。看下面 二个例子。 例1.1 英国统计学家Savage(1961) 曾考察如下二个 统计实验：  A ．一位常饮牛奶的妇女声称，她能辨别先倒进 杯子里的是茶还是牛奶。对此做了十次试验，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 海邓（Haydn）还是莫扎特（Mozart）的作品。 在十次这样的试验中，他都能正确辨别。 在这两个统计试验中，假如认为被实验者 是在猜测，每次成功的概率为0.5，那么十 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”的假设应被拒绝。 被实验者每次成功概率要比0.5大得多。这 就不是猜测，而是他们的经验在帮他们的 忙。可见经验（先验信息的一种）在推断 中不可忽视，应加以利用。 例1.2 “免检产品”是怎样决定的？某厂的产品每天都要抽检几件，获得  不合格率 的估计。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率可构造一个分布： i P ( )  , i 0，1，„ n i n 这个对先验信息进行加工获得的分布今后称为先验分布。这个先验分布是