背景
贝叶斯估计
贝叶斯参数估计的思考过程可以用下面这个公式说明:
先验分布+数据的知识=后验分布 (∗)
共轭先验分布的提出
- 当没有任何观察数据时,随机变量 θ 服从概率分布 P(θ)
- 当观测到新的数据 X 时,有如下问题:
- 可否根据新观测到的数据
X ,更新参数 θ - 根据新观测到的数据可以在多大程度上改变参数 θ : θ←θ+Δθ
- 当重新估计 θ 的时候,如何给出其新的概率分布 p(θ|X)
- 可否根据新观测到的数据
根据贝叶斯法则:
p(θ|x)=P(x|θ)⋅P(θ)P(x)∝P(x|θ)⋅P(θ)
其中
P(x|θ)
表示似然函数,可以直接求得。
P(θ)
表示
θ
的先验概率分布。若可以选择一个合适的先验分布
p(θ)
能使得。
后验概率分布 P(θ|x) 与 先验概率分布 p(θ) 有相同的形式,则能简化后验概率部分的求解。
定义
在贝叶斯概率理论中,如果后验概率 P(θ|x)