论贝叶斯统计方法的特性

　摘 要：贝叶斯方法，广泛的应用于我们的生活中，尤其在风险分析，模糊查询，智能机器等方面，发挥着重要的作用。本文简要介绍了贝叶斯统计方法和经典统计方法的区别，着重举例说明了贝叶斯统计方法在生活中的应用。
　　关键词：贝叶斯；统计方法；统计方法
　论文联盟*论文联盟*编辑。　　
　　 一、贝叶斯统计与经典统计的主要区别
　　英国学者T.贝叶斯1763年在《论有关机遇问题的求解》中提出一种归纳推理的理论，在其他统计学者的努力下，发展为一种系统的统计方法，称为贝叶斯方法。贝叶斯统计研究的内容，就是采用这种方法作统计推断所得的全部结果。20世纪 30 年代，认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派。到50、60年代，已发展为一个有影响的学派。现在，随着贝叶斯统计方法应用的日益广泛，其影响越来越大。
　　贝叶斯统计中的两个基本概念是先验分布和后验分布。先验分布。总体分布参数的一个概率分布。贝叶斯学派的根本观点，是认为在关于总体分布参数的任何统计推断问题中，除了使用样本所提供的信息外，还必须规定一个先验分布，它是在进行统计推断时不可缺少的一个要素。他们认为先验分布不必有客观的依据，可以部分地或完全地基于主观信念。后验分布。根据样本分布和未知参数的先验分布，用概率论中求条件概率分布的方法，求出的在样本已知下，未知参数的条件分布。
　　二、贝叶斯方法的一些应用
　　（一）毒品检测实验
　　我们设定一个普通的毒品检测结果的可靠度与敏感度为99%，指的是，吸毒的被检测者，每次检测呈阳性的概率为99%；而不吸毒的被检测者，每次检测呈阴性的概率为99%。按照经典的统计方法，检测结果的概率为99%，检测结果是比较准确的。但是贝叶斯定理却可以揭示一个另外的问题：假设某单位将对它全体成员进行一次毒品检测（检测结果是阳性的表示吸毒），已知0.5%的雇员吸毒。我们需要了解的是，毒品检测结果为阳性的成员吸毒的概率有多高？令“A”=成员吸毒，“B”=成员不吸毒事件，“C”=检测结果是阳性。利用贝叶斯公式可得
　　P(A)即成员吸毒的概率=0.005。因为经过统

[1] [2] [3] 下一页