正态分布均值μ的贝叶斯Bayes估计推导

前面一篇介绍了正态分布均值μ的极大似然估计MLE推导，这篇来介绍正态分布均值μ的贝叶斯Bayes估计推导。
数据x1,x2,…,xn来自正态分布N(μ,σ2)，其中σ2已和。
假设μ的先验分布是正态分布N(0,τ2)，根据样本x1,…,xn写出μ的Bayes估计。
第一步，写出L(μ)

上式中，分母积分后与μ无关。
第二步，对上式中的分子求对数和偏导数

注意，上式中，μ_{N(0,τ2)，x1…xn}N(0,τ2)，这两个都上正态分布。
对于正态分布N(μ,σ2)，其对数为下式：

上式对μ求导后前一项为0，后面为

第三步，令L的对数偏导为0，化简得

分析：当n很大时，分母后面的一项可以忽略，就变成了n个样本的平均数x ̅，与极大似然估计相同。