经典统计学与贝叶斯统计学的区别于分1.pdfVIP

经典统计学与贝叶斯统计学的区别于分析 院 ( 系) 统计学院 专 业 统计学 班 级 08 级统计班 学 号 2008121138 姓 名 张静 指导教师 张贝贝 经典统计学与贝叶斯统计学的区别于分析 摘要：在现代经济高速发展的时代， 商业和经济管理中在很多方面需要进行数据数理和分析， 在此过程中， 贝叶斯统计方法在实际的经济问题处理中的应用也越来越广泛。 本文以贝叶斯 统计方法的介绍为主，同时分析经典统计学和贝叶斯统计的的区别。 关键词：贝叶斯统计 经典统计 假设检验 先验分布 一、 引言 经典统计学派与贝叶斯学派有不同的处理思想。 目前，经典统计方法占据着统计学的主 导地位， 但是， 贝叶斯方法正在国外迅速发展并得到日益广泛的应用， 我们有必要给以足够 的重视。所以，本文分析经典统计学和贝叶斯统计的区别。 二、 经典统计与贝叶斯统计的区别： 1. 贝叶斯统计： 贝叶斯统计的两个基本概念是先验分布和后验分布。 先验分布： 总体分布参数 的一个 概率分布。贝叶斯学派的根本观点，是认为在关于总体分布参数 的任何统计推断问题中， 除了使用样本所提供的信息外， 还必须规定一个先验分布， 它是在进行统计推断时不可缺少 的一个要素。 他们认为先验分布不必有客观的依据， 可以部分的或完全的基于主观信念。 后 验分布： 根据样本分布和未知参数的先验分布， 用概率论中求条件概率分布的方法， 求出的 在样本已知下， 未知参数的条件分布。 因为这个分布是在抽样后才得到的， 故称为后验分布。 贝叶斯推断方法的关键是任何推断都必须只根据后验分布，而不能再设计样本分布。 贝叶斯统计 (Bayesian statistics) ，推断统计理论的一种。英国学者贝叶斯在 1763 年发表 的论文《有关机遇问题求解的短论》中提出。依据获得样本 (Xl ，X2 ，… ，Xn) 之后 θ的后 验分布 π（θ|X1，X2 ，…，Xn) 对总体参数 θ作出估计和推断。它不是由样本分布作出推断。 其理论基础是先验概率和后验分布，即在事件概率时，除样本提供的后验信息外，还会凭借 自己主观已有的先验信息来估计事件的概率。而以 R．A ．费希尔为首的经典统计理论对事 件概率的解释是频率解释，即通过抽取样本，由样本计算出事件的频率，而样本提供的信息 完全是客观的， 一切推断的结论或决策不允许加入任何主观的先验的信息。 以对神童出现的 概率 P 的估计为例。按经典统计的做法，完全由样本提供的信息 ( 即后验信息 )来估计，认为 参数 p 是一个 “值 ”。贝叶斯统计的做法是，除样本提供的后验信息外，人类的经验对 p 有了 一个了解，如 p 可能取 pl 与户 p2，且取 p1 的机会很大，取 p2 机会很小。先验信息关于参 数 p 的信息是一个 “分布 ”，如 P(p=p1)=0 ．9，P(p=p2)=0 ．1，即在抽样之前已知道