贝叶斯推断在决策分析中的应用研究.pptVIP

第一节贝叶斯推断方法;第一节贝叶斯推断方法;3．先验信息，即在抽样之前相关统计推断的某些信息。譬如，在预计某产品的不合格率时，假如工厂保存了过去抽检这种产品质量的资料，这些资料（涉及历史数据）有时预计该产品的不合格率是有好处的。这些资料所提供的信息就是一种先验信息。又如某工程师依据自己多年积累的经验对正在设计的某种彩电的平均寿命所提供的预计也是一种先验信息。因为这种信息是在“试验之前”就已经有的，故称为先验信息。;以前所讨论的点预计只使用前两种信息，没有使用先验信息。假如能把搜集到的先验信息也利用起来，那对我们进行统计推断是有好处的。只用前两种信息的统计学称为典型统计学，三种信息都用的统计学称为贝叶斯统计学。本节将简明介绍贝叶斯统计学中的点预计方法。;二、贝叶斯公式的密度函数形式

贝叶斯统计学的基础是著名的贝叶斯公式，它是英国学者贝叶斯（T.R.Bayes1702~1761）在他死后二年刊登的一篇论文《论归纳推理的一种方法》中提出的。经过二百年的研究与应用，贝叶斯的统计思想得到很大的发展，目前已形成一种统计学派—贝叶斯学派。为了纪念他，英国历史最悠久的统计杂志《Biometrika》在1958年又全文刊登贝叶斯的这篇论文。

;初等概率论中的贝叶斯公式是用事件的概率形式给出的。可在贝叶斯统计学中应用更多的是贝叶斯公式的密度函数形式。下面结合贝叶斯统计学的基本观点来引出其密