没有验前知识时的验前分布

被引：46

作者：

周源泉

机构：

[1] 北京特殊机电研究所

来源：

数学学报 | 1980年 / 03期

关键词：

验前分布; 伯努利过程; 验前知识; 正态过程; Gauss; 过程; 分布密度; 函数; 共扼; 泊松过程;

D O I：

暂无

中图分类号：

学科分类号：

摘要：

本文指出了 Bayes 假设存在的问题,并建议用下述两种方法处理验前分布问题:一、对满足信息分解条件的未知参数,可用 Bayes 定理分解信息,推导出该参数在没有验前知识时的共轭型验前分布.文中将这种方法用于最常见的过程参数,并用典型事实与数学推导验证其合理性.二、对一般的未知参数,在扬弃 Bayes-Jeffreys 假设的基础上,将随机变量的函数的分布密度的变换法则贯彻到底,并辅以共轭性,来改进 Bayes-Jeffreys 假设.应用新假设的结果与上述方法完全一样,但这个假设的正确性尚待作进一步的理论探讨与实践检验.

引用

页码：359 / 371

页数：13