线性回归中的bayes估计 文献综述

《线性回归中的bayes估计 文献综述》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、---------------------------------------------------------------范文最新推荐------------------------------------------------------线性回归中的Bayes估计+文献综述中文摘要本论文主要分析讨论了线性回归模型中Bayes估计方法的优良性，并将它与其他估计方法做了对比分析。在线性回归模型中的均方误差准则下得到Bayes估计比起最小二乘估计有更好的精确度；其优良性还可以通过比较各自的风险函数的大小来做出评价。由

2、于先验分布的引入，最大后验估计方法比起极大似然估计的确有优势；由于损失函数的不同应该相应的采取不同的Bayes估计方法；而在线性回归模型中回归系数的条件期望估计值的均方误差比最小二乘估计的均方误差更小。6643关键词Bayes估计线性回归先验分布损失函数毕业设计说明书（论文）外文摘要TitleTheBayesestimatorofthelinearregression11/12---------------------------------------------------------------范文最新推荐---

3、---------------------------------------------------modelAbstractThethesisismainlyconcernedwiththeoptimalityofBayesianestimationmethodofthelinearregressionmodelandcomparedwithotherestimationmethodtoanalyse.UndertheMSEMofthelinearregressionmodelwecanalsofindtheBay

4、esianestimatorismoreacuratethantheLSE.Intheoptimalitywecanmakeanevaluationbycomparingofthesizeoftheirriskfunctions;Themaximumposteriordensityestimatorwhichcomparedwiththemaximumlikelihoodestimatordoeshaveadvantagesbecause11/12------------------------------------

5、---------------------------范文最新推荐------------------------------------------------------ofthepriordistribution.AsthelossfunctionsaredifferentweshouldusethedifferentBayesestimationmethods.AndtheconditionalexpectationestimatorislessthantheLSEabouttheregressioncoeff

6、icientundertheMSEMofthelinearregressionmodel.KeywordsBayesestimator；Linearregression；Priordistribution；Lossfunction目次1绪论…111/12---------------------------------------------------------------范文最新推荐------------------------------------------------------的飞速发展

7、，以及马尔可夫链、蒙特卡罗方法(MCMC方法)的引入，为Bayes统计在这个领域的应用开辟了广阔的前景，使得Bayes统计的研究得到了再度复兴，以往被认为不可能实施计算的一些统计方法变得比较容易[3]。Bayes11/12---------------------------------------------------------------范文最新推荐------------------------------------------------------统计作为一个新的学派，正逐渐受到越来越广泛的关注。特别是

8、在小样本的情况下，由于先验分布的引入，能够综合现在的试验结果和以往的经验知识，使点估计和区间估计可以有比经典统计更加精确的结果；另外，在处理多余参数的问题上，Bayes统计可以直接在后验密度中将多余的参数积分掉，这又比经典统计方法方便得多[4]。这一理论几乎在所有的学科领域都展现了力量，如：判断、决策、科学、医药、工程技术和制造工