先驗(yàn)分布與后驗(yàn)分布;

1、1,2,一、統(tǒng)計(jì)推斷中可用的三種信息 二、貝葉斯公式 三、共軛先驗(yàn)分布 四、超參數(shù)及其確定 五、多參數(shù)模型 六、充分統(tǒng)計(jì)量,第一章 先驗(yàn)分布與后驗(yàn)分布,3,1.總體信息：總體分布或所屬分布族提供給我們的信息 2.樣本信息：從總體抽取的樣本提供給我們的信息 3.先驗(yàn)信息：在抽樣之前有關(guān)統(tǒng)計(jì)推斷的一些信息。 (兩個(gè)例子）,1.1 統(tǒng)計(jì)推斷中可用的三種信息,4,1.2 貝葉斯公式,貝葉斯統(tǒng)計(jì)學(xué)的基礎(chǔ)是著名的貝葉斯公式，它是英國學(xué)者貝葉斯（t.r.bayes17021761）在他死后二年發(fā)表的一篇論文論有關(guān)機(jī)遇問題的求解中提出的。經(jīng)過二百年的研究與應(yīng)用，貝葉斯的統(tǒng)計(jì)思想得到很大的發(fā)展，目前已形成一個(gè)統(tǒng)

2、計(jì)學(xué)派貝葉斯學(xué)派。為了紀(jì)念他，英國歷史最悠久的統(tǒng)計(jì)雜志biometrika在1958年又全文刊登貝葉斯的這篇論文。,5,一、貝葉斯公式的三種形式,初等概率論中的貝葉斯公式是用事件的 概率形式給出的?？稍谪惾~斯統(tǒng)計(jì)學(xué)中應(yīng)用 更多的是貝葉斯公式的密度函數(shù)形式。 1.貝葉斯公式的事件形式： 假定 是互不相容的事件，它 們之和 包含事件b，即 ，則有：,6,例1.5 投資決策問題,為了提高某產(chǎn)品的質(zhì)量，公司經(jīng)理考慮增加投 資來改進(jìn)生產(chǎn)設(shè)備，預(yù)計(jì)需投資100萬元，但從投 資效果看，下屬部門有兩種意見： 1 ：改進(jìn)生產(chǎn)設(shè)備后，高質(zhì)量產(chǎn)品可占90% 2 ：改進(jìn)生產(chǎn)設(shè)備后，高質(zhì)量產(chǎn)品可占70% 問：公司經(jīng)理怎

3、樣決策？ 注：根據(jù)過去的經(jīng)驗(yàn)知：1的可信度為40%，2的可 信度為60%,7,假設(shè) 隨機(jī)變量x有一個(gè)密度函數(shù)p(x;)，其中是一個(gè)參數(shù)，不同的對(duì)應(yīng)不同的密度函數(shù)，故從貝葉斯觀點(diǎn)看，p(x;)是在給定后的一個(gè)條件密度函數(shù)，因此記為p(x)更恰當(dāng)一些。這個(gè)條件密度能提供我們的有關(guān)的信息就是總體信息。,假設(shè) 當(dāng)給定后，從總體p(x)中隨機(jī)抽取一個(gè)樣本x1，xn，該樣本中含有的有關(guān)信息。這種信息就是樣本信息。,2.貝葉斯公式的密度函數(shù)形式： 在給出貝葉斯公式的密度函數(shù)形式之前，先介紹以下貝葉斯學(xué)派的一些具體思想或者叫著基本假設(shè) ：,8,假設(shè) 從貝葉斯觀點(diǎn)來看，未知參數(shù)是一個(gè)隨機(jī)變量。而描述這個(gè)隨機(jī)變量

4、的分布可從先驗(yàn)信息中歸納出來，這個(gè)分布稱為先驗(yàn)分布，其密度函數(shù)用()表示。,（1） 先驗(yàn)分布 定義1 將總體中的未知參數(shù)看成一取值于的隨機(jī)變量，它有一概率分布，記為()，稱為參數(shù)的先驗(yàn)分布。,（2） 后驗(yàn)分布 在貝葉斯統(tǒng)計(jì)學(xué)中，把以上的三種信息歸納起來的最好形式是在總體分布基礎(chǔ)上獲得的樣本x1，xn，和參數(shù)的聯(lián)合密度函數(shù)：,9,在這個(gè)聯(lián)合密度函數(shù)中。當(dāng)樣本 給定之后，未知的僅是參數(shù)了，我們關(guān)心的是樣本給定后，的條件密度函數(shù)，依據(jù)密度的計(jì)算公式，容易獲得這個(gè)條件密度函數(shù)：,這就是貝葉斯公式的密度函數(shù)形式，其中 稱為的后驗(yàn)密度函數(shù)，或后驗(yàn)分布。而 ：,是樣本的邊際分布，或稱樣本 的無條件分布，它的

5、積分區(qū)域就是參數(shù)的取值范圍，隨具體情況而定。,10,3.貝葉斯公式的離散形式：,當(dāng) 是離散隨機(jī)變量時(shí)，先驗(yàn)分布可用先驗(yàn)分布列(i)，這時(shí)后驗(yàn)分布也是離散形式： 假如總體x也是離散的，則只須將p(x|)換成p(x=x|)即可。,11,前面的分析總結(jié)如下：人們根據(jù)先驗(yàn)信息對(duì)參數(shù)已有一個(gè)認(rèn)識(shí)，這個(gè)認(rèn)識(shí)就是先驗(yàn)分布()。通過試驗(yàn)，獲得樣本。從而對(duì)的先驗(yàn)分布進(jìn)行調(diào)整，調(diào)整的方法就是使用上面的貝葉斯公式，調(diào)整的結(jié)果就是后驗(yàn)分布 。后驗(yàn)分布是三種信息的綜合。獲得后驗(yàn)分布使人們對(duì)的認(rèn)識(shí)又前進(jìn)一步，可看出，獲得樣本的的效果是把我們對(duì)的認(rèn)識(shí)由()調(diào)整到 。所以對(duì)的統(tǒng)計(jì)推斷就應(yīng)建立在后驗(yàn)分布 的基礎(chǔ)上。,二、后驗(yàn)分

6、布是三種信息的綜合,12,例1.4 設(shè)事件a的概率為 ，即 。為了估計(jì) 而作n次獨(dú)立觀察，其中事件a出現(xiàn)次數(shù)為x，則有x服從二項(xiàng)分布 即,解題步驟：1.作貝葉斯假設(shè)。如果此時(shí)我們對(duì)事件a的發(fā)生沒有任何了解，對(duì) 的大小也沒有任何信息。在這種情況下，貝葉斯建議用區(qū)間（0，1）上的均勻分布作為的先驗(yàn)分布。因?yàn)樗冢?，1）上每一點(diǎn)都是機(jī)會(huì)均等的。因此：,2.計(jì)算樣本x與參數(shù) 的聯(lián)合分布：,此式在定義域上與二項(xiàng)分布有區(qū)別。,如何求出后驗(yàn)分布？,13,即：,5.具體算例。拉普拉斯計(jì)算過這個(gè)概率,研究男嬰的誕生比例是否大于0.5?如抽了251527個(gè)男嬰,女嬰241945個(gè)。他選用u(0，1)作為的先驗(yàn)分

7、布，于是可得的后驗(yàn)分布be(x+1,n-x+1), 其中n=251527+241945=493472，x=251527。由此拉普拉斯計(jì)算了“0.5”的后驗(yàn)概率： 故他斷言男嬰誕生的概率大于0.5。,4.利用貝葉斯公式可得 的后驗(yàn)分布：,3.計(jì)算x的邊際密度為:,14,注：1.伽瑪分布與貝塔分布簡(jiǎn)介：,定義：定義在0，1上，且用密度函數(shù)：,表示的概率分布稱為型分布，記為(p,q)或者e(p,q)。,15,2.特例：當(dāng)p=q=1時(shí)， (1,1)型分布即為區(qū)間0，1上的均勻分布； 當(dāng)p=q=1/2， (1/2,1/2)型分布稱為反正弦分布，密度函數(shù)為： 設(shè) ，則 的密度函數(shù)為：,即：,3.數(shù)字特征:

8、,16,3.為什么將貝塔分布作為的先驗(yàn)分布族是恰當(dāng)?shù)模?(1)參數(shù)是廢品率，它僅在（0，1）上取值。因此，必需用區(qū)間（0，1）上的一個(gè)分布去擬合先驗(yàn)信息。分布正是這樣一個(gè)分布。,(2)分布含有兩個(gè)參數(shù)p與q，不同的p與q就對(duì)應(yīng)不同的先驗(yàn)分布，因此這種分布的適應(yīng)面較大。,(3)樣本x的分布為二項(xiàng)分布b(n,)時(shí)，假如的先驗(yàn)分布為分布，則用貝葉斯估計(jì)算得的后驗(yàn)分布仍然是分布，只是其中的參數(shù)不同。這樣的先驗(yàn)分布(分布)稱為參數(shù)的共軛先驗(yàn)分布。選擇共軛先驗(yàn)分布在處理數(shù)學(xué)問題上帶來不少方便。,17,1.3 共軛先驗(yàn)分布,一、共軛先驗(yàn)分布 定義2 設(shè) 是總體分布中的參數(shù)（或參數(shù)向 量）， ()是 的先驗(yàn)密

9、度函數(shù)，假如由抽樣 信息算得的后驗(yàn)密度函數(shù)與()有相同的形式， 則稱()是 的（自然）共軛先驗(yàn)分布。,注意：共軛先驗(yàn)分布是對(duì)某一分布中的參數(shù)而言的。如正態(tài)均值、正態(tài)方差、泊松均值等。離開指定參數(shù)及其所在的分布去談?wù)摴曹椣闰?yàn)分布是沒有意義的。,18,(2)確定先驗(yàn)分布:,例1.6 證明：正態(tài)均值（方差已知）的共軛先驗(yàn)分布是正態(tài)分布。,證明思路： (1)寫出樣本的似然函數(shù):,19,(3)計(jì)算后驗(yàn)分布:,20,21,補(bǔ)充例題： 設(shè)x表示人的胸圍，根據(jù)經(jīng)驗(yàn)，胸圍是近 似服從正態(tài)分布的?，F(xiàn)測(cè)量了n=10000個(gè) 人的胸圍，得樣本均值為39.8(cm)，樣本 方差為4，假設(shè)的先驗(yàn)分布為n(38,9)， 求

10、的后驗(yàn)分布。 (答案： n(39.8,1/2500),說明：樣本較大時(shí)，似然函數(shù)起決定作用， 先驗(yàn)信息幾乎不起做用。,22,二、怎樣簡(jiǎn)化后驗(yàn)分布的計(jì)算 省略常數(shù)因子,在給定樣本分布p(x|)和先驗(yàn)分布()后可用貝葉斯公式計(jì)算的后驗(yàn)分布：()= p(x|) ()/m(x)，由于m(x)不依賴于，在計(jì)算的后驗(yàn)分布中僅起到一個(gè)正則化因子的作用。假如把m(x)省略，把貝葉斯公式改寫成如下等價(jià)形式： 其中符號(hào)“ ”表示兩邊僅差一個(gè)常數(shù)因子，一個(gè)不依賴于的常數(shù)因子。上式右端稱為后驗(yàn)分布 的核。,23,利用后驗(yàn)分布的核重新證明例1.6,24,例1.7 證明：二項(xiàng)分布的成功概率的共軛先驗(yàn)分布是貝塔分布。,25

11、,三、共軛先驗(yàn)分布的優(yōu)缺點(diǎn),共軛先驗(yàn)分布在很多場(chǎng)合被采用，因?yàn)樗?兩個(gè)優(yōu)點(diǎn)： （1）計(jì)算方便。 （2）后驗(yàn)分布的一些參數(shù)可得到很好的解釋。 不足：怎樣找到合適的先驗(yàn)分布？,26,例1.8 例1.6中后驗(yàn)均值與后驗(yàn)方差的合理解釋。,由例1.6知 其中 是用方差倒數(shù)組成的權(quán)，于是后驗(yàn)均值 是樣本均值與先驗(yàn)均值 的加權(quán)平均。 而 可解釋為：后驗(yàn)分布的精度是樣本均 值分布的精度與先驗(yàn)分布精度之和，增加樣本量n或減少先 驗(yàn)分布方差都有利于提高后驗(yàn)分布的精度。,27,例1.9 對(duì)例1.7中后驗(yàn)分布的均值和方差的解釋。 分析：后驗(yàn)分布be(+x, +n-x)的均值和方差可寫為：,28,29,30,四、 常

12、用的一些共軛先驗(yàn)分布,共軛先驗(yàn)分布選取的一般原則： 是由似然函數(shù)l()=p(x|)中所含的因式所 決定的，即選與似然函數(shù)具有相同核的分布作 為先驗(yàn)分布。 例1.10 設(shè) 是來自正態(tài)分布 的 一個(gè)樣本觀測(cè)值，其中已知，求 方差的共 軛先驗(yàn)分布。,31,解題的基本思路：,寫出樣本的似然函數(shù)：,么分布具有這種形式的核呢？,32,33,34,常用的一些共軛先驗(yàn)分布,35,1.4 超參數(shù)及其確定,一、超參數(shù)的定義：先驗(yàn)分布中所含的未知參數(shù)稱為超參數(shù) 二、估計(jì)方法：共軛先驗(yàn)分布是一種有信息的先驗(yàn)分布，故其中所含的超參數(shù)應(yīng)充分利用各種先驗(yàn)信息來確定它，下面用一個(gè)例子來介紹目前國內(nèi)外文獻(xiàn)中對(duì)超參數(shù)的估計(jì)方法：

13、 問題：二項(xiàng)分布中成功概率的共軛先驗(yàn)分布是貝塔分布be(,)，怎樣確定兩個(gè)超參數(shù)和？,36,1.利用先驗(yàn)矩：,37,2.利用先驗(yàn)分位數(shù)：,假如根據(jù)先驗(yàn)信息可以確定貝塔分布的二個(gè)分位數(shù)，則可用這兩個(gè)分位數(shù)來確定與，譬如用兩個(gè)上、下四分位數(shù)u與l來確定與，u與l分別滿足如下二個(gè)方程： 從這兩個(gè)方程解出與即可確定超參數(shù)。,38,求解方法：1利用貝塔分布和f分布間的關(guān)系，對(duì)不同的與多算一些值，使積分值逐漸逼近0.25. 2 對(duì)一些典型的與，尋求其上下四分位數(shù)，這樣可獲得一張表，（見課本18頁）查表即可,39,3.利用先驗(yàn)矩和先驗(yàn)分位數(shù),假如根據(jù)先驗(yàn)信息可獲得先驗(yàn)均值 和p分位數(shù) ，則可列出下列方程：

14、由此可解出與的估計(jì)值。 4.其它方法,40,1.5 多參數(shù)模型,由以上幾節(jié)內(nèi)容可知，求某一個(gè)參數(shù)的后驗(yàn)分布的基本思想可概括為：先根據(jù)先驗(yàn)信息給出參數(shù)的先驗(yàn)分布，然后按貝葉斯公式算得后驗(yàn)分布，即： 但在很多實(shí)際問題中卻包含有多個(gè)未知參數(shù)的情形，如正態(tài)分布、多項(xiàng)分布以及多元正態(tài)分布等，此時(shí)可采用與單參數(shù)相似的方法來求參數(shù)的后驗(yàn)分布，而把其它的參數(shù)看成是討厭參數(shù)。,41,例1.12 試求正態(tài)均值與正態(tài)方差的（聯(lián)合） 共軛先驗(yàn)分布及后驗(yàn)分布。（p24）,1.取先驗(yàn)分布為 的情形 2.關(guān)于指數(shù)分布族的若干結(jié)論 3.取先驗(yàn)分布為共軛先驗(yàn)分布的情形,42,1.取先驗(yàn)分布為 的情形,43,44,back,45

15、,3.取先驗(yàn)分布為共軛先驗(yàn)分布的情形,(1)求 的共軛先驗(yàn)密度 (2)求 的后驗(yàn)邊際密度 (3)求給定 后 的條件后驗(yàn)密度函數(shù) 例題,46,例 有一實(shí)驗(yàn)站關(guān)于生長小麥的經(jīng)驗(yàn)為每塊樣地的均值 和標(biāo)準(zhǔn)差分別為100及10的正態(tài)分布，現(xiàn)在他們研究施加激 素的影響。在12塊地施加激素后所得產(chǎn)量如下(單位：千克)： 141,102,73,171,137,91,81,157,146,69,121,134 關(guān)于方差的信息是均值、標(biāo)準(zhǔn)差分別約為300及160； 關(guān)于均值的信息是均值約為110，約為15即相當(dāng)于觀測(cè)了 15個(gè)觀測(cè)值。 求: (1) 的共軛先驗(yàn)； (2) 的后驗(yàn)密度函數(shù)； (3) 的邊際后驗(yàn)； (

16、4) 對(duì) 已知情況下的條件后驗(yàn)密度函數(shù)。,back,47,1.6 充分統(tǒng)計(jì)量,一、經(jīng)典統(tǒng)計(jì)中充分統(tǒng)計(jì)量的回顧 充分性是數(shù)理統(tǒng)計(jì)中最重要的概念之一，也是數(shù)理統(tǒng)計(jì)這 一學(xué)科特有的基本概念之一。它是fisher在1925年提出的。 充分性的直觀定義：不損失信息的統(tǒng)計(jì)量。,48,定義：設(shè) 是來自分布函數(shù)f(x|)的一個(gè)樣本，t=t(x)是統(tǒng)計(jì)量，假如在給定t(x)=t的條件下，x的條件分布與無關(guān)的話，則稱該統(tǒng)計(jì)量為的充分統(tǒng)計(jì)量。,49,充分統(tǒng)計(jì)量的一個(gè)重要特性：當(dāng)?shù)玫匠浞纸y(tǒng)計(jì)量t的某個(gè)取值t之后，而失去原樣本的觀察值也沒有關(guān)系。因?yàn)槲覀兛梢愿鶕?jù)上述的條件分布來構(gòu)造某個(gè)隨機(jī)試驗(yàn)，從中獲得來自總體的一個(gè)新

17、樣本，這個(gè)新樣本雖不能完全恢復(fù)老樣本的原狀，但它與老樣本所含的有關(guān)參數(shù)的信息是一樣的。,50,因子分解定理：一個(gè)統(tǒng)計(jì)量t(x)對(duì)參數(shù)是充分的充要條件是：存在一個(gè)t與的函數(shù)g(t,)和一個(gè)樣本x的函數(shù)h(x)，使得對(duì)任一樣本x和任意，樣本的聯(lián)合密度p(x|)可表示為它們的乘積，即： p(x|)= g(t(x),) h(x),這個(gè)定理表明：假如存在充分統(tǒng)計(jì)量t(x)， 則樣本分布p(x|)一定可以分解為兩個(gè)因子的 乘積：一個(gè)是與無關(guān)，僅與樣本x有關(guān)；另一 個(gè)是可以與有關(guān)，但與樣本x的關(guān)系僅僅通過 充分統(tǒng)計(jì)量t(x)表現(xiàn)出來。,51,二、貝葉斯統(tǒng)計(jì)中充分統(tǒng)計(jì)量的有關(guān)結(jié)論及應(yīng)用,定理1.6.1設(shè) 是來自密度函數(shù)p(x|)的一個(gè)樣本，t=t(x)是統(tǒng)計(jì)量，它的密度函數(shù)為p(t|),又設(shè)h=()是的某個(gè)先驗(yàn)分布族，則t(x)為的充分統(tǒng)計(jì)量的充要條件是對(duì)任一