贝叶斯统计第二章 贝叶斯推断.pdfVIP

第二章 贝叶斯推断 2.1 条件方法  (x) 未知参数 的后验分布 是集三种信息（总体，样本和先验）   于一身，它包含了 的所有可供利用的信息，所以有关 的（点）估 计，区间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。 (x)  后验分布 是在样本x 给定下 的条件分布，基于后验分布的统计 推断就意味着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 出的统计推断方法被称为条件方法。 2.2 贝叶斯推断 一、贝叶斯估计  p (x) 设 是总体分布 中的参数，为了估计该参数，可从该总体随  机抽取一个样本x (x ,...,x ) ，同时依据 的先验信息选择一个先验分 1 n () (x)  布 ，在用贝叶斯公式算得后验分布 ，这时，作为 的估计 可选用后验分布(x) 的某个位置特征量，如后验分布的众数，中位数 或期望值，所以估计是应用后验分布量简单的推断形式。 (x)  定义2.1 使后验密度 达到最大值的 称为最大后验估计， MD ˆ   后验分布的中位数 称为 的后验中位数估计，后验分布的期望值 Me ˆ ˆ     称为 的后期望估计，这三个估计也都称为 的贝叶斯估计，记为 ， E B ˆ  在不引起混乱记为 。 在一般场合下，这三种贝叶斯估计是不同的（见图2.1 ），当后验密 度函数为对称时，这三种贝叶斯估计重合。 2 2  例2.2 设x ,...,x 是来自正态总体N (, ) 的一个样本，其中 已 1 n  2   2 知，若取 的共轭先验分布N (, ) 作为 的先验分布，其中 与 