运用贝叶斯统计知识对参数进行估计
2012-12-13 11:07
169 查看
1.对于观测到的变量,首先要明确这些变量的个数,以及其服从何种参数分布。因为在样本量有限的情况下,参数没办法准确确定,因此用一个分布来描述反而会显得更加恰当。比如,你在和别人交谈的过程中,需要描述某个大叔的年龄,你会说大叔的大概的年龄大致在45-55之间,这样既比较准确的描述问题,也间接反映你这个人说话还是比较靠谱的。
2.根据参数的似然函数及先验信息得出其后验概率密度。贝叶斯认为参数的一切信息都包含在后验分布中,于是我们只需要着眼后验分布来进行参数估计分析。如果后验密度只有1维,即一个未知参数,这就非常好办,直接计算就行。但是既然是参数估计,一般未知参数都会>=2.这个时候采用边缘化思想就来的尤为重要。因为考虑参数的边缘分布,则可以将其它的参数积分掉。推断出每个参数的边缘分布,则统计推断就结束了。
3.但是....问题一般都没那么简单。因为高维数值的积分会有困难。如果我们能产生足够多的样本量来进行后验分布估计,问题似乎就显得很有看头了。MCMC的出现就非常perfect了。至少到现在为止还是一个很好用的工具,即使不能百分百反应事物本质,但是也能够很大程度上对参数进行估计分析并说明一定的问题。
2.根据参数的似然函数及先验信息得出其后验概率密度。贝叶斯认为参数的一切信息都包含在后验分布中,于是我们只需要着眼后验分布来进行参数估计分析。如果后验密度只有1维,即一个未知参数,这就非常好办,直接计算就行。但是既然是参数估计,一般未知参数都会>=2.这个时候采用边缘化思想就来的尤为重要。因为考虑参数的边缘分布,则可以将其它的参数积分掉。推断出每个参数的边缘分布,则统计推断就结束了。
3.但是....问题一般都没那么简单。因为高维数值的积分会有困难。如果我们能产生足够多的样本量来进行后验分布估计,问题似乎就显得很有看头了。MCMC的出现就非常perfect了。至少到现在为止还是一个很好用的工具,即使不能百分百反应事物本质,但是也能够很大程度上对参数进行估计分析并说明一定的问题。
相关文章推荐
- 运用OpenCV进行双目匹配时各参数的意义
- 新知识杂记(Assert进行异常判断、参数封装、枚举类)-2017/4/19
- 使用极大似然法对逻辑回归中的参数进行估计的数学原理
- 使用collapsed gibbs sampling对LDA中参数进行估计的推导过程
- 股票入门基础知识29:如何运用日本蜡烛图进行技术分析
- 九、运用栈的知识对后缀表达式的运算方式进行表达
- c++中如何通过函数参数对指针进行赋值
- 运用多线程知识写一个火车站售票系统
- 小白入门angular-cli的第一次旅程(学习目标 1.路由的基础知识 参数订阅写法)
- 今天给大家介绍一下SpringBoot框架中URL参数如何进行Base64加密解密
- ajax 关于zepto.js 进行jsonp请求时无法得到data中的参数数据
- C语言基础知识之(十八):堆内存的分配函数及运用
- 值类型与引用类型(特殊的string) Typeof和GetType() 静态和非静态使用 参数传递 相关知识
- 【Qt开发】V4L2 API详解 <一> 背景知识 打开设备设置参数
- java-day05-Thread-基础知识以及运用API第一种方法使用Thread类
- (转载)有关音频编码的知识与技术参数
- 概率论与数理统计学习笔记四:参数估计
- 音视频编解码知识学习详解(分多部分进行详细分析)
- 【C】——如何用线程进行参数的传递
- 运用 ccproxy8.0 进行代理服务器简单部署