Байеса

Cтраница 2

Байеса и 151 - 153 Кветелизм 181 Квинкункс 184 - 186, 206 Книгопечатания изобретение 53, 58, 60 Ковариация 277, 309 - 312, 342, 347 Кодекс Хаммурапи. [16]

Байеса ( когда после каждого наблюдения апостериорные вероятности пересчитываются и на следующем шаге они используются как априорные вероятности) снижает роль исходного априорного распределения, так как после многократного пересчета исходное распределение вряд ли оказывает влияние на заключительное апостериорное распределение. [17]

Байеса и равновесными стратегиями, где только возможно. [18]

Байеса на основе этих стратегий. [19]

Байесов подход отличается от метода максимального правдоподобия в двух отношениях Во-первых, в байесовом подходе различие между оценкой и оцениваемой величиной находит численное выражение в значении функции потерь. Правило оценивания выбирается так, чтобы минимизировать математическое ожидание функции потерь. Ясно, что различные функции потерь приводят к различным правилам оценивания. И еще, при каждом выборе функции потерь у нас имеется ясное представление о последствиях использования получающегося при этом правила оценивания. Эти последствия отражены в значении функции потерь. Часто данное бай-есово правило оценивания, выведенное на основе функции потерь. Наиболее употребительной функцией потерь является квадратичная функция ошибки. [20]

Байесов метод имеет два других преимущества. Во-первых, байесова оценка всегда допустима, тогда как оценка максимального правдоподобия может оказаться недопустимой относительно любой функции потерь. Во-вторых, в байесовом подходе может приниматься во внимание также стоимость наблюдений. Обычно приходится платить за наблюдения, и в каждый момент времени возникает естественный вопрос, оправдывает ли дополнительный выигрыш в точности, принесенный дополнительным наблюдением, цену этого наблюдения. Очевидно, такой компромисс может найти четкое выражение в байесовом подходе. Выигрыш, приносимый дополнительным наблюдением в каждый момент времени, может быть количественно выражен через величину уменьшения среднего риска, вызванного дополнительным наблюдением. [21]

Любопытно, что у Байеса были столь неверные сведения о Прайсе, фигуре тогда намного более важной, чем простой священник в маленьком городке графства Кент. [22]

Формулы полной вероятности и Байеса, выписанные в 1.9, без изменений обобщаются на дискретные пространства. Нужно только иметь в виду, что суммы в этих формулах могут состоять из бесконечного числа слагаемых и надо проверять суммируемость. [23]

При использовании последовагзпьного анапива как и при мвго-дв Байеса, составляет диагностическую гейпицу, о помощыз которой проводится прогноз. [24]

При анализе помехоустойчивости применяют следующие критерии верности: среднего риска ( байесов критерий), полной вероятности правильного приема ( критерий идеального наблюдателя или критерий Котельникова), апостериорной вероятности правильного приема ( критерий максимума апостериорной вероятности), минимаксный критерий, критерий Неймана - Пирсона, информационный критерий, критерий максимального правдоподобия и др. Рассмотрим сущность и особенности использования этих критериев и выберем подходящий для последующей оценки помехоустойчивости передачи дискретной информации. [25]

В основе этой редукции лежит следующее утверждение, которое мы назовем байесов спим принципом. [26]

Для определения помехоустойчивости передачи дискретных сообщений используют многие критерии верности: байесов кри-ве-рий, критерий идеального наблюдателя, критерий максимального правдоподобия и др. Удобным для практики является применение критерия максимального правдоподобия, который не требует большого количества исходных данных. Решения задач во многих случаях совпадают с решениями, полученными с помощью других критериев. [27]

Распределения вероятностей платы для двух систем. [28]

Метод оптимизации по критерию средних потерь достаточно орошо разработан ( именно на нем базируется байесов подход к построению оптимальных по помехоустойчивости систем, см. § 6.1), но он, конечно, не является единственно возможным разумным методом формирования критерия в статистических задачах. [29]

Существуют три основных подхода к задаче оценивания параметров, а именно метод максимального правдоподобия, байесов подход и метод ограниченной информации. Из этих двух методов байесов подход выделяется тем, что в нем имеется возможность учитывать любую имеющуюся априорную информацию о параметрах. [30]

Страницы: 1 2 3 4