贝叶斯股票投资决策

㈠ 贝叶斯决策方法

设D1，D2，……，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的概率，且P(Di)>0(i=1，2，…，n)。对于任一事件x，P(x)>0，则有：
n
P(Dj/x)=p(x/Dj)P(Dj)/∑P(X/Di)P(Di)
i=1

color=red][/color]案例：
a:先验概率P(Di)
D1,D2....Dn是样本空间的S的一个划分P(Di)
假定D1,D2...是某个过程的若干可能的前提,则p(x/Dj)是各个前提条件出现可能性大小的估计
b:后验概率P(Dj/x)
在先验的情况下得到一个结果A,那么贝叶斯公式提供了我们根据A的出现对前提条件做出的新评论的方法。
是对以A为前提下Bi的出现概率的重新的认识。
c:前提各种属性之间互相没有什么影响，这样挖掘的速度很快，但是处理的结果不是很准确。
设D1，D2，……，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的概率，且P(Di)>0(i=1，2，…，n)。对于任一事件x，P(x)>0，则有： j是针对一个样本
n
P(Dj/x)=p(x/Dj)P(Dj)/∑P(X/Di)P(Di)
i=1

㈡ 贝叶斯决策的优点及局限性是什么 请详细说明贝叶斯决策的优点及局限性,

1.贝叶斯决策的优点
（1）贝叶斯决策能对信息的价值或是否需要采集新的信息做出科学的判断.（2）它能对调查结果的可能性加以数量化的评价,而不是像一般的决策方法那样,对调查结果或者是完全相信,或者是完全不相信.
（3）如果说任何调查结果都不可能完全准确,先验知识或主观概率也不是完全可以相信的,那么贝叶斯决策则巧妙地将这两种信息有机地结合起来了.
（4）它可以在决策过程中根据具体情况下不断地使用,使决策逐步完善和更加科学.
2.贝叶斯决策的局限性：
（1）它需要的数据多,分析计算比较复杂,特别在解决复杂问题时,这个矛盾就更为突出.
（2）有些数据必须使用主观概率,有些人不太相信,这也妨碍了贝叶斯决策方法的推广使用.

㈢ 贝叶斯决策模型属于定量研究方法吗

贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。
贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
基本思想
贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是：
★已知类条件概率密度参数表达式和先验概率
★利用贝叶斯公式转换成后验概率
★根据后验概率大小进行决策分类

㈣ 贝叶斯决策是什么

贝叶斯决策（Bayesian Decision Theory）就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 贝叶斯决策属于风险型决策，决策者虽不能控制客观因素的变化，但却掌握其变化的可能状况及各状况的分布概率，并利用期望值即未来可能出现的平均状况作为决策准则。 贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 1、已知类条件概率密度参数表达式和先验概率。 2、利用贝叶斯公式转换成后验概率。 3、根据后验概率大小进行决策分类。

㈤ 贝叶斯信息准则的贝叶斯决策判据

贝叶斯决策判据既考虑 了各类参考总体出现的概率大小， 又考虑了因误判造成的损失大小， 判别能力强。
贝叶斯方法更适用于下列场合: (1) 样本(子样)的数量(容量)不充分大，因而大子样统计理论不适宜的场 合。 (2) 试验具有继承性，反映在统计学上就是要具有在试验之前已有先验信息 的场合。用这种方法进行分类时要求两点:第一，要决策分类的参考总体的类别 数是一定的。

㈥ 什么是贝叶斯决策 如何进行贝叶斯决策

贝叶斯决策(Bayesian Decision Theory)就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。

㈦ 贝叶斯决策的优点及局限性是什么

1.贝叶斯决策的优点
（1）贝叶斯决策能对信息的价值或是否需要采集新的信息做出科学的判断.（2）它能对调查结果的可能性加以数量化的评价,而不是像一般的决策方法那样,对调查结果或者是完全相信,或者是完全不相信.
（3）如果说任何调查结果都不可能完全准确,先验知识或主观概率也不是完全可以相信的,那么贝叶斯决策则巧妙地将这两种信息有机地结合起来了.
（4）它可以在决策过程中根据具体情况下不断地使用,使决策逐步完善和更加科学.
2.贝叶斯决策的局限性：
（1）它需要的数据多,分析计算比较复杂,特别在解决复杂问题时,这个矛盾就更为突出.
（2）有些数据必须使用主观概率,有些人不太相信,这也妨碍了贝叶斯决策方法的推广使用.