毕业论文

打赏
当前位置: 毕业论文 > 数学论文 >

方差分析模型中参数的经验Bayes估计的稳健性分析(3)

时间:2019-08-30 13:00来源:毕业论文
另 ,此处 为N文观察向量; 为S文向量; 为 阶单位阵; 表示Kronecker乘积; 为 文误差向量,其为 ,假定 (1.8) , 为第 个水平的效应, 为总平均;满足条件


另 ,此处 为N文观察向量; 为S文向量; 为 阶单位阵; 表示Kronecker乘积; 为 文误差向量,其为
 ,假定
                             (1.8)
 , 为第 个水平的效应, 为总平均;满足条件 为
                                                   (1.9)
由上述模型求 和 的LS解为
此处
在模型(1.7)中假定 有先验分布,且满足
  .                        (1.12)
二、平衡的单向分类模型Bayes估计和经验Bayes估计
2.1 Bayes估计的基本概念
设 是总体分布 中的参数,为了估计该参数,可从该总体随机抽取一个样本 ,同时依据  的先验信息选择一个先验分布 ,用贝叶斯公式算得后验分布 .
定义2.1.1 使后验密度 达到最大的值 称为  最大后验估计;后验分布的中位数 称为  的后验中位数估计;后验分布的期望值 称为  的后验期望估计.这三个估计都称为 的贝叶斯估计,也可统一记为 .
定义2.1.2 设参数 的后验分布为 ,贝叶斯估计为  ,则 的后验期望 称为  的后验均方误差,其平方根  称为 的后验标准误差,其中符号  表示用条件分布 求期望,当 为 的后验期望  时,则
 
称为后验方差,其平方根 称为后验标准差.
2.2经验Bayes估计
假设我们有数据 与当前数据 ,其中样本的可 , 是可观测的, , 是分布中的未知参数.
经验Bayes估计的基本任务当然就是要找到一个依赖于 , 的函数 来估计 .并使得估计 接近 已知的Bayes估计.该样本的密度函数为 , 的先验分布密度函数 ,则 的边缘密度为:
                          (0)
经验Bayes估计方法认为:随机样本是从边缘密度函数为 中抽取的,因此可以由 估计 或其特征,假设样本密度函数已知 ,则
可由 (0)式估计 或其特征,再由样本 去获取 的EB估计.
定义2.2.1 任何同时依赖于样本 和当前样本X的判决函数 称为经验贝叶斯判决函数.
当 已知时, 的Bayes风险为:
由于上式得到 的全面Bayes风险:
定义2.2.2 如果一串经验判决函数 ,对任意 ,F是先验分布族 方差分析模型中参数的经验Bayes估计的稳健性分析(3):http://www.youerw.com/shuxue/lunwen_38678.html
------分隔线----------------------------
推荐内容