密度比模型是一类重要的半参数模型,它是统计学者研究的一个热点。两总体服从正态分布是一个传统且重要的统计假设,很多基础统计方法基于这一个假设而发展起来。然而,密度比模型被提出后,我们就有了一个比传统的正态假设更为宽松的假设即两总体密度函数之比符合密度比模型。于是,基于正态假设的参数统计方法逐渐发展出相应的半参数版本。传统的贝叶斯判别法假设样本均取自具有相同协方差矩阵的正态总体以便于实际运用时计算方便。传统方法属于参数统计方法,它在复杂的现实数据下未必能达到好的判别效果。为此,本文提出一种基于密度比模型的半参数贝叶斯判别法,该方法能够分析更为复杂的现实数据。统计模拟结果显示:在密度比模型下,若总体均服从于正态分布时,则新方法和传统方法判别效果相当,否则,新方法的判别效果明显优于传统方法。我们用半参数贝叶斯判别法分析了四组真实案例并给出判别结果。第一章,我们概括该研究的现实意义和创新点,介绍研究背景和领域的发展现状。第二章,首先具体介绍密度比模型以及传统贝叶斯判别方法。然后,结合前两者建立半参数贝叶斯判别法。最后,在经验似然方法下给出该判别模型的参数估计量和拟合优度检验方法。第三章,介绍统计模拟实验的设计和步骤。然后,讨论了密度比模型包含的常见分布。最后,在五种总体分布假设下获得各自的实验结果。第四章,用传统贝叶斯判别法和新的判别法分析了四组真实案例,给出相应的分析结果并对比两种方法回判正确率。第五章,总结半参数贝叶斯判别方法的优势。