貝葉斯股票投資決策

㈠ 貝葉斯決策方法

設D1，D2，……，Dn為樣本空間S的一個劃分，如果以P(Di)表示事件Di發生的概率，且P(Di)>0(i=1，2，…，n)。對於任一事件x，P(x)>0，則有：
n
P(Dj/x)=p(x/Dj)P(Dj)/∑P(X/Di)P(Di)
i=1

color=red][/color]案例：
a:先驗概率P(Di)
D1,D2....Dn是樣本空間的S的一個劃分P(Di)
假定D1,D2...是某個過程的若干可能的前提,則p(x/Dj)是各個前提條件出現可能性大小的估計
b:後驗概率P(Dj/x)
在先驗的情況下得到一個結果A,那麼貝葉斯公式提供了我們根據A的出現對前提條件做出的新評論的方法。
是對以A為前提下Bi的出現概率的重新的認識。
c:前提各種屬性之間互相沒有什麼影響，這樣挖掘的速度很快，但是處理的結果不是很准確。
設D1，D2，……，Dn為樣本空間S的一個劃分，如果以P(Di)表示事件Di發生的概率，且P(Di)>0(i=1，2，…，n)。對於任一事件x，P(x)>0，則有： j是針對一個樣本
n
P(Dj/x)=p(x/Dj)P(Dj)/∑P(X/Di)P(Di)
i=1

㈡ 貝葉斯決策的優點及局限性是什麼 請詳細說明貝葉斯決策的優點及局限性,

1.貝葉斯決策的優點
（1）貝葉斯決策能對信息的價值或是否需要採集新的信息做出科學的判斷.（2）它能對調查結果的可能性加以數量化的評價,而不是像一般的決策方法那樣,對調查結果或者是完全相信,或者是完全不相信.
（3）如果說任何調查結果都不可能完全准確,先驗知識或主觀概率也不是完全可以相信的,那麼貝葉斯決策則巧妙地將這兩種信息有機地結合起來了.
（4）它可以在決策過程中根據具體情況下不斷地使用,使決策逐步完善和更加科學.
2.貝葉斯決策的局限性：
（1）它需要的數據多,分析計算比較復雜,特別在解決復雜問題時,這個矛盾就更為突出.
（2）有些數據必須使用主觀概率,有些人不太相信,這也妨礙了貝葉斯決策方法的推廣使用.

㈢ 貝葉斯決策模型屬於定量研究方法嗎

貝葉斯決策理論是主觀貝葉斯派歸納理論的重要組成部分。
貝葉斯決策就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。
基本思想
貝葉斯決策理論方法是統計模型決策中的一個基本方法，其基本思想是：
★已知類條件概率密度參數表達式和先驗概率
★利用貝葉斯公式轉換成後驗概率
★根據後驗概率大小進行決策分類

㈣ 貝葉斯決策是什麼

貝葉斯決策（Bayesian Decision Theory）就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。 貝葉斯決策屬於風險型決策，決策者雖不能控制客觀因素的變化，但卻掌握其變化的可能狀況及各狀況的分布概率，並利用期望值即未來可能出現的平均狀況作為決策准則。 貝葉斯決策理論方法是統計模型決策中的一個基本方法，其基本思想是： 1、已知類條件概率密度參數表達式和先驗概率。 2、利用貝葉斯公式轉換成後驗概率。 3、根據後驗概率大小進行決策分類。

㈤ 貝葉斯信息准則的貝葉斯決策判據

貝葉斯決策判據既考慮 了各類參考總體出現的概率大小， 又考慮了因誤判造成的損失大小， 判別能力強。
貝葉斯方法更適用於下列場合: (1) 樣本(子樣)的數量(容量)不充分大，因而大子樣統計理論不適宜的場 合。 (2) 試驗具有繼承性，反映在統計學上就是要具有在試驗之前已有先驗信息 的場合。用這種方法進行分類時要求兩點:第一，要決策分類的參考總體的類別 數是一定的。

㈥ 什麼是貝葉斯決策 如何進行貝葉斯決策

貝葉斯決策(Bayesian Decision Theory)就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。

㈦ 貝葉斯決策的優點及局限性是什麼

1.貝葉斯決策的優點
（1）貝葉斯決策能對信息的價值或是否需要採集新的信息做出科學的判斷.（2）它能對調查結果的可能性加以數量化的評價,而不是像一般的決策方法那樣,對調查結果或者是完全相信,或者是完全不相信.
（3）如果說任何調查結果都不可能完全准確,先驗知識或主觀概率也不是完全可以相信的,那麼貝葉斯決策則巧妙地將這兩種信息有機地結合起來了.
（4）它可以在決策過程中根據具體情況下不斷地使用,使決策逐步完善和更加科學.
2.貝葉斯決策的局限性：
（1）它需要的數據多,分析計算比較復雜,特別在解決復雜問題時,這個矛盾就更為突出.
（2）有些數據必須使用主觀概率,有些人不太相信,這也妨礙了貝葉斯決策方法的推廣使用.