61概述 612贝叶斯方法的基本观点 假定随机向量x,的联合分布密度是p(x,),它们 的边际密度分别为p(x)、p(O。一般情况下设x是观测 向量,6是未知参数向量,通过观测向量获得未知参数 向量的估计,贝叶斯定理记作 plx) 丌(0)p(x|6)x(()p(x|b) 丌()p(x|6)d0 丌(0是的先验分布 (6.1) 20218/25 忠植高级人工智能2021/8/25 史忠植 高级人工智能 8 6.1 概 述 6.1.2 贝叶斯方法的基本观点 假定随机向量x，θ的联合分布密度是p(x, θ)，它们 的边际密度分别为p(x)、p(θ)。一般情况下设x是观测 向量， θ是未知参数向量，通过观测向量获得未知参数 向量的估计，贝叶斯定理记作：  = =            p x d p x p x p x p x ( ) ( | ) ( ) ( | ) ( ) ( ) ( | ) ( | ) π(θ) 是θ的先验分布 (6.1)