经验贝叶斯估计（empirical Bayes estimation）

亦称“EB估计”。利用数据资料来估计先验分布的某些性质。经典方法与贝叶斯方法的结合。H. 罗宾斯提出。其步骤：样本\(x_1,x_2,\cdots,x_n\)对参数\(\theta\)的密度是\(p(x|\theta)\)，且\(\theta\)的先验分布是\(\pi(\theta)\)，于是样本\(x\)与参数\(\theta\)的联合分布密度是\(\pi(\theta)\cdot p(x|\theta)\)。于是，进一步可求出\(x\)的边缘密度为\(f(x)=\int_{-\infty}^{+\infty}\cdots\int_{-\infty}^{+\infty}\pi(\theta)p(x|\theta)d\theta\)。可用经典方法及样本\(x\)得到密度\(f(x)\)的估计。然后，再由上述公式去确定\(\pi(\theta)\)。最后，再由\(\pi(\theta)\)及\(p(x|\theta)\)去求贝叶斯估计\(E\left \{ \theta |x \right \}\)，或对\(\theta\)作出统计推断。