中国大学MOOC: 贝叶斯估计是把待估计的参数看作具有某种分布形式的随机变量，通过对第i类学习样本xi的观察，使概率密度分布P(xi|θ)转化为后验概率P(θ|xi) ，获得参数分布的概率密度函数，再通过求取其数学期望获得参数估计值。
答
答
举一反三
- 【估计理论】在参数 θ 给定的条件下，观测数据 z 的概率密度函数为 p(z|θ)，参数 θ 的先验分布为 p(θ) ，如果 p(z)=∫p(z|θ)p(θ)dθ>0，则关于最大后验概率估计θ ̂下列说法正确的是： A: ????????????????=argmax????????(????|????)θ ̂=argmax p(z|θ) B: ????????????????=argmax????????(????|????)????(????)θ ̂=argmax p(z|θ)p(θ) C: 无论先验密度 p(θ) 的形式如何，最大后验概率估计与最大似然估计的形式都不相同 D: 最大后验概率估计不存在
- 很难通过大量数据直接估计的是 A: 先验概率 B: 类条件概率密度函数 C: 后验概率 D: 样本的概率分布
- 在参数 θ 给定的条件下，观测数据 z 的概率密度函数为 p(z|θ)，参数 θ 的先验分布为 p(θ) ，如果 p(z)=∫p(z|θ)p(θ)dθ>0，则关于最大后验概率估计θ ̂下列说法正确的是： A: ????????????????=argmax????????(????|????)θ ̂=argmax p(z|θ) B: ????????????????=argmax????????(????|????)????(????)θ ̂=argmax p(z|θ)p(θ) C: 无论先验密度 p(θ) 的形式如何，最大后验概率估计与最大似然估计的形式都不相同 D: 最大后验概率估计不存在
- 下列表达中不能影响贝叶斯估计结果的是（） A: 损失函数的形式 B: 样本的数量 C: 待估计参数的后验概率 D: 数据的线性变换
- 下列关于贝叶斯方法进行损失分布估计描述错误的是： A: 参数的先验分布可以只是一个猜测 B: 贝叶斯方法中参数是一个随机变量，而不是一个估计值 C: 为了减少积分计算，我们通常将参数的先验分布限制为离散型 D: 损失函数为二次函数时，参数的贝叶斯估计就是后验分布的均值