一、非参数经验贝叶斯估计.ppt_第1页
一、非参数经验贝叶斯估计.ppt_第2页
一、非参数经验贝叶斯估计.ppt_第3页
一、非参数经验贝叶斯估计.ppt_第4页
一、非参数经验贝叶斯估计.ppt_第5页
已阅读5页，还剩51页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、一、非残奥度量经验贝叶斯估计，二，残奥度量经验贝叶斯估计，第3.4节经验贝叶斯估计，0，背景和意义，贝叶斯估计中存在的问题：确定先验分布，如何客观确定先验分布这一方法是Robbins在1955年提出的，由经验贝叶斯估计分类(非残奥度量经验贝叶斯估计残奥度量贝叶斯估计，1，非残奥度量经验贝叶斯估计，例1、2，经验贝叶斯确定函数，先验分布未知的情况下，如何利用历史资料(经验资料、材料)定义3.11，得到最佳贝叶斯估计，上式成为最小的确定函数定义为渐近最佳贝叶斯决策函数，例如，实例2 (接着的实例p109的实例3.20 )和实例3(p110的实例3.21 )，已发现经验贝叶斯估计依赖于贝叶斯估计理论

2、和非残奥仪表估计方法的定理4.1是共轭先验分布族中的二、残奥仪表经验贝叶斯估计方法可以理解，对于二点分布的共轭先验分布族是分布，因为很明显该共轭分布族是分布的子族.在给定的先验分布()的情况下，定义是给定决策函数d的先验分布()中的贝叶斯风险，并且简称为d的贝叶斯风险如果x都是连续性随机变量，则贝叶斯风险对x都是离散随机的该风险的幅度仅与决策函数d进行关系，因此对决策函数的优良性进行测量是合理的，第一，贝叶斯点估计定义4.6，所以对整体x的分布函数F(x，) 如果()存在于决策函数类别d中，则假设1-1 .贝叶斯估计是用于最小化贝叶斯风险的决策函数。2 .不同的先验分布，对应于不同的贝叶斯估计

3、假设损失函数为加权平方损失，则贝叶斯估计为证明略，该证明定理4.2的证明类似，定理4.4，将残奥参数设为随机向量，将先验分布设为()和损失函数设为二次损失函数，注，其中q设为正常矩阵， 注意，Bayes被估计为后验分布之前的Bayes估计不受正定矩阵q的选择干扰，并且表示其鲁棒性，因为在二次损耗下，任何决策函数向量d(x)=其中的第二项是常数，第一项不是负的，所以在必要时定义4.7，并且d=d(x )。 如果对于定理4.5、给定的统一纠正决策问题(包括先验分布给定、给定情形)和决策函数类d，贝叶斯风险满足以下条件，则条件：如果决策函数使贝叶斯风险最小化，那么该决策函数也使后验风险最小化，反之亦然。 另一个d=d(x )，先设置dm以确定持续时间，并根据

人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论