贝叶斯估计
假设我们有样本D={~},并且已知x~其中未知,已知,又已知~.
,其中表示在给定的样本条件
下来估计x的概率密度。我们需要求和.
首先,其中
,其中
,(其中)。
,前面的系数相等则有:,
,,所以~,可以看出当n趋于无穷大的时候:
,当n趋于无穷大时贝叶斯估计等于最大似然估计。
令,因为该积分只与有关。
上式继续化简:,解得~.
总结:
当上式中整个积分不好求的时候,我们可以求最大后验估计:
,这样计算比较容易。
如果没有已知的先验分布的话,即先验分布是扁平的,就是上式中不变,
那么最大后验估计等于最大似然估计
我们再来看一下:,其中,
m是样本均值,上式可以看出贝叶斯估计是样本均值和先验均值的加权平均。
并且m和哪一个方差小,哪一个占的比重就大。
当n趋于无穷大时贝叶斯估计更逼近样本均值。
当先验的方差较小时,即关于先验概率的不确定性较少时,或者样本数n较小时,
贝叶斯估计更加依赖先验均值。