贝叶斯统计学2.pptVIP

第二章 贝叶斯推断 §2.1 条件方法 §2.2 估计 §2.3 区间估计 §2.4 假设检验 §2.5 预测 §2.6 似然原理 2.1 条件方法 未知参数θ的后验分布是集总体、样本和先验三种信息于一身，是将三种信息进行有效综合的结果，反映了我们所能了解的有关θ 的全部信息。应该说给统计推断提供了更有利条件。----条件方法正是充分利用这一条件的方法。 后验分布 是在样本x给定下θ的条件分布，基于后验分布的统计推断就意味着只考虑已经出现的数据（样本观测值），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。 经典统计中统计推断的简单回顾 经典统计统计推断过程： 条件方法统计推断过程 综合总体信息、样本信息和先验信息得到后验分布。 基于后验分布，在已出现的样本基础上推断总体参数。 对统计推断的结果，不认为所谓无偏性是优良估计的评价标准。 2.2 贝叶斯点估计 贝叶斯点估计的含义 最大后验估计 条件期望估计 贝叶斯估计误差 1.贝叶斯估计的含义 定义：设θ总体分布 中的参数，若事先从该总体中抽得一个样本 ，同时根据θ的先验信息选择一个先验分布 ，在贝叶斯公式的基础上计算后验分布，这种对θ的所有推断估计都依据后验分布进行估计方法统称为贝叶斯估计。