已閱讀1頁(yè)，還剩27頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、Monte Carlo方法主要是通過(guò)取簡(jiǎn)單隨機(jī)變量的樣本來(lái)估計(jì)比較復(fù)雜的隨機(jī)變量的期望,Bayes參數(shù)估計(jì)就是要求出被估計(jì)參數(shù)θ(θ是一個(gè)隨機(jī)變量),關(guān)于n個(gè)獨(dú)立樣本(ξ1,……,ξn)的條件隨機(jī)變量ψ(θ｜ξ1……,ξn)的貝葉斯估計(jì)θBayes,往往是不可能計(jì)算出來(lái)的,只能通過(guò)對(duì)條件隨機(jī)變量ψ(θ｜ξ1……,ξn)進(jìn)行抽樣,把這些抽出樣本的均值作為θ的估計(jì)值,但是ψ(θ｜ξ1……,ξn)是-個(gè)非常復(fù)雜的隨機(jī)變量,且?guī)в须y以計(jì)算出來(lái)的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)問(wèn)題.pdf
- 基于貝葉斯理論MCMC優(yōu)化參數(shù)的負(fù)荷預(yù)測(cè)模型.pdf
- 21340.基于mcmc的進(jìn)展多狀態(tài)模型的貝葉斯估計(jì)
- MCMC方法及在貝葉斯統(tǒng)計(jì)中的應(yīng)用.pdf
- ARFIMA模型參數(shù)貝葉斯估計(jì)的漸近性質(zhì).pdf
- 經(jīng)驗(yàn)貝葉斯信度估計(jì)及其應(yīng)用
- 經(jīng)驗(yàn)貝葉斯信度估計(jì)及其應(yīng)用.pdf
- 基準(zhǔn)劑量估計(jì)的非參數(shù)貝葉斯方法研究及應(yīng)用.pdf
- 結(jié)構(gòu)參數(shù)識(shí)別的貝葉斯估計(jì)方法及應(yīng)用研究.pdf
- 基于貝葉斯估計(jì)的二項(xiàng)分布參數(shù)估計(jì).pdf
- 近似貝葉斯法在光合模型參數(shù)估計(jì)中的應(yīng)用
- 正態(tài)分布參數(shù)的線性結(jié)構(gòu)的貝葉斯估計(jì).pdf
- 關(guān)于Burr分布參數(shù)的貝葉斯估計(jì)及其性質(zhì)研究.pdf
- 若干分布參數(shù)的經(jīng)驗(yàn)貝葉斯估計(jì)的風(fēng)險(xiǎn)分析.pdf
- 基于分層貝葉斯MCMC方法的電信顧客價(jià)值分析.pdf
- 基于MCMC模擬的貝葉斯金融隨機(jī)波動(dòng)模型分析.pdf
- 2392.逆高斯分布參數(shù)的線性貝葉斯估計(jì)
- 基于MCMC算法的貝葉斯分位數(shù)回歸方法的實(shí)證應(yīng)用.pdf
- 對(duì)幾種分布的參數(shù)和風(fēng)險(xiǎn)函數(shù)的貝葉斯估計(jì).pdf
- 第五章貝葉斯估計(jì)
評(píng)論
0/150
提交評(píng)論