贝叶斯决策方法及其应用

风险决策存在于诸多的生产和经济活动中，在制定一项决策之前，应注重其风险分析，合理地将风险中的信息加以利用。根据贝叶斯理论的基本原理，通过一个具体实例，给出了应用贝叶斯理论的步骤和方法。     

利用缩减样本空间方法替代贝叶斯公式的计算

条件概率的计算是概率论中极其重要的计算之一,一般有利用定义式计算和缩减样本空间计算两种方法．缩减样本空间计算法在先验概率问题计算上比较浅显易懂,但在后验概率问题上计算一般不采用这个方法,而是使用定义式来计算,后验概率的计算又和贝叶斯公式有较大的关系．着重讨论缩减样本空间计算法在后验概率问题上的应用．从而避免利用贝叶斯公式计算的繁琐过程．     

有预报的贝叶斯决策分析

利用贝叶斯定理可以通过预报所增加的信息来改善状态的先验概率分布，使决策者能利用更多的信息来作出最优决策。     

贝叶斯学派丰富和发展了古典统计学

贝叶斯学派和古典统计学派在统计的基础理论和方法上一直存在争议．本文运用对比分析的方法，从兼容、发展、精确度客观等四个方面，论证贝叶斯学派丰富和发展了古典统计学．     

Bayes决策理论用于模式识别分类问题的进一步探讨

给出2种Bayes决策分类方法,分别设计出了相应的分类器,最后通过一实例,对2种方法进行了比较与分析.     

贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

贝叶斯分析中先验分布优选的方法

在一个参数的可选先验分布类中选择一个最优先验密度的问题,类似于从参数空间中估计一个恰当参数的问题,或类比为从决策类中选择出最优决策的问题.从这一角度出发,就可以借助统计学中已有方法,建立一套关于先验分布选取的合理方法,同时能估计其精度.     

贝叶斯公式在统计决策中的应用

本文讨论了贝叶斯公式在统计决策中的应用，给出了一种综合考察先天信息和后天信息，从而作出最优决策的方法。     

信号估计中的贝叶斯方法及应用

贝叶斯估计理论在图像处理领域有广泛的应用.结合图像去噪问题,讨论了贝叶斯最大后验概率估计技术,并推导了信号的最小均方误差估计;在此基础上,提出了一种利用后验均值准则推导维纳滤波表达式的方法.     

昆明地区高血压影响因素的逐步判别分析

分析影响血压的重要因素，为有效地预防高血压病及高血压的临床治疗都有重要意义．文中利用逐步判别分析法，将影响血压的多个因素化简出最优的因子，建立判别函数进行逐步分析，估计出判别系数，对数据进行分析判断，得出各因素对高血压的影响     

基于参数的贝叶斯先验选择方法

在一个参数的可选先验分布类中选择一个合理先验的问题，类似于从参数空间中估计一个恰当参数的问题．基于这一观点，利用贝叶斯分析的后验分布理论，先求出参数的后验分布，再根据后验分布中各个先验的相对似然选取似然最大的先验为合理先验，从而建立了一个基于参数的后验分布的先验选择方法，它是ML-Ⅱ先验的一个拓广．     

(x1,x2,x3)～M(n;P1,P2,P3)的BAYES检验

设（x1,x2,x3）服从参数为（P1，P2，P3）的多项分布，在使用Bayes方法时，我们选择先验分布为无信息先验，从而求出每个假设的后验概率．     

正态模型下单边假设检验问题中频率与贝叶斯证据的一致性

假设检验问题中的频率与贝叶斯证据的一致性或和谐性是频率学派和贝叶斯学派所共同关心的问题.研究正态模型下单边假设检验问题中广义p-值以及Jeffreys无信息先验下的贝叶斯证据,证明了各种检验问题中两类证据的一致性.     

战略管理会计在企业管理中的应用

随着企业经营环境的复杂化和市场竞争的激烈化，传统管理会计已经越来越不适应新的企业管理环境需求。而作为新的管理会计模式——战略管理会计模式应运而生。本文下从企业适应市场竞争实施战略管理的要求出发，重点分析战略管理会计在我国企业发展中的现状及一些发展建议。     

论资源链环境累积成本的计算与应用

从资源链与环境累积负荷的关系出发,阐述了资源链环境累积成本的构成,即资源能源消耗成本、环境污染成本和废弃物回收、再利用成本,并在此基础上探讨了其成本计算原理及资源链环境累积成本在社会环境管理中的意义.其创新之处在于首次提出了资源链环境累积成本的概念及计算,进一步丰富了环境成本理论研究的内容.     

受限参数空间上的置信区间

当参数限制在某一范围内并服从一致的分布，且多余参数未知时，其贝叶斯置信区间有很高的置信概率。本文提出了利用随机变量的均值来计算置信区间的方法，并对上述结论进行了充分的检验，结果显示在更短的置信区间上仍然有很高的置信概率。