设为观测值向量;
为未知参数向量;
为根据
求得的
的一个估计量,其估计误差为
。若设估计误差
的一个标量值函数为:
(1) |
且具有如下性质:
①当时,
;
②当时,
;
③。
式中,则
为估计量
对
的损失函数(或代价函数)。
将的数学期望称为
的贝叶斯风险,并记为
。贝叶斯估计就是使贝叶斯风险达到最小为准则求定未知参数估计量
的方法,即使
满足:
(2) |
显然,选择不同形式的损失函数,就得到不同的贝叶斯估计方法。事实上,极大验后估计和最小方差估计就是贝叶斯估计的两种形式。
若损失函数选择为:
(3) |
则的贝叶斯风险为:
(4) |
设的贝叶斯估计量为
,当
足够小时:
(5) |
且又等价于:
(6) |
此时,又是
的极大验后估计。
同理,若损失函数选择为:
(7) |
式中为对称非负定阵,若取
,贝叶斯估计就是最小方差估计。