共轭先验分布

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:

+=     ()

共轭先验分布的提出

  1. 当没有任何观察数据时,随机变量 θ 服从概率分布 P(θ)
  2. 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 : θθ+Δθ
    • 当重新估计 θ 的时候,如何给出其新的概率分布 p(θ|X)

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

贝叶斯概率理论中,如果后验概率 P(θ|x)

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值