matlab 贝叶斯信息标准_贝叶斯MATLAB代码

这篇博客介绍了如何使用MATLAB进行贝叶斯方法的参数估计,特别是针对条件概率密度的参数u。通过两个不同样本集的数据处理,展示了如何计算样本均值、方差,并利用贝叶斯估计公式求解u的估计值,进一步进行比较分析。
摘要由CSDN通过智能技术生成

%用监督参数估计中的贝叶斯方法估计条件概率密度的参数u

%第一类样本

X=[1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6 1 1.1 1.2 0.9 0.8 0.6;0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1 0.7 0.6 0.9 1 1.4 1.1];

%设p(u)的方差为

t=[0.05;0.05];

%样本均值

xx1=sum(X(1,:))/60;

xx2=sum(X(2,:))/60;

xx=[xx1;xx2]

%求出样本方差,设总体方差等于样本方差

xy1=sum((X(1,:)-xx1.*ones(1,60)).^2)/59;

xy2=sum((X(2,:)-xx2.*ones(1,60)).^2)/59;

xy=[xy1;xy2]

%u的先验估计值

u0=[0.93;0.94];

%用贝叶斯估计公式求得u的估计值

u1=60*t(1)*xx1/(60*t(1)+xy1)+xy1*u0(1)/(60*t

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值