參數的經驗貝葉斯估計問題.pdf_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、經驗貝葉斯最早是由Robbins(1951,1955)年提出的,通俗地講,經驗貝葉斯是利用已有數據來估計未知參數的先驗的某些性質的方法。主要包括參數經驗貝葉斯(parametric empirical Bayes, PEB)和非參數經驗貝葉斯(nonparametric empirical Bayes, NPEB),前者是假設參數的先驗分布屬于某一有未知超參數的分布類,后者則典型地只假設是獨立同分布的。近年來,關于經驗貝葉斯的討論和研究

2、也引起越來越多的關注,既有在方法論上的研究也有應用領域的討論。 經驗貝葉斯是頻率派和貝葉斯派觀點的優(yōu)良結合體,它繼承了貝葉斯方法中將參數看成是隨機變量,考慮參數先驗信息;然后利用頻率派的方法來得到參數的先驗信息。如非參數經驗貝葉斯只是假設參數具有先驗,直接寫出貝葉斯法則,而參數經驗貝葉斯則假設參數的先驗屬于某一有未知超參數的分布類,估計出超參數的估計值,從而得到參數的先驗分布的估計。這樣的處理方式使得經驗貝葉斯能夠得到性質很好的

3、結果。 本文主要工作有以下兩個方面:一是利用密度函數核估計的方法構造了在平方損失函數下,線性指數模型的參數的經驗貝葉斯估計,證明了該估計的漸進最優(yōu)性質并獲得了其收斂速度;二是在線性模型的參數估計問題中,運用經驗Gibbs抽樣方法得到多元正態(tài)線性模型參數估計的迭代算法,并用具體的算例檢驗了該算法的有效性。 本文工作的意義在于:一、擴展經驗貝葉斯訪法的適用范圍,得到具有指數分布的函數形式的樣本分布也可以運用該方法得到具備漸進

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論