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,μN(0,τ2),x1…xnN(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。
正态分布均值μ的贝叶斯Bayes估计推导
最新推荐文章于 2020-09-12 13:41:46 发布