Beta-Binomial 共轭
2016-01-19 17:08
801 查看
接上文认识 Beta 分布.
上文通过一个简单的小游戏,我们最终得到Beta分布的概率密度:
B(x|α,β)=Γ(α+β)Γ(α)Γ(β)xα−1(1−x)β−1
Beta分布对应的一个现实中的例子为,α=k,β=n−k+1,B(x|α,β)表示 n个独立的服从0-1均匀分布(U[0,1])的随机变量,第 k大的随机变量的概率分布。也即:
B(X(n,k)|α=k,β=n−k+1)==Γ(α+β)Γ(α)Γ(β)xα−1(1−x)β−1n!(k−1)!(n−k)!xk−1(1−x)n−k
回到游戏上来:
f(Xn=10,k=7)=10!6!3!x6(1−x)3
假如我们第一次没有猜中,此时,游戏的发起者说:“让仁慈的我,给你一些提示(先验),让请你按5次,获得5个 [0,1]之间的随机数,然后我可以告诉你这五个数中的每一个和前面得到的10个数中第7大的数相比,谁大谁小,然后请你继续猜第7大的数是多少”。
此时问题抽象为数学表达即为:
1. X1,X2,…,Xn 独立同分布于 U[0,1],排序后对应的顺序统计量为 X(1),X(2),…,X(n),我们感兴趣的猜测是 p=X(k)
2. Y1,Y2,…,Ym独立同分布于 U[0,1],其中 m1个比 p小,m2个比p大
3. 问 P(p|Y1,Y2,…,Ym)的分布是什么?
由于 p=X(k)在X1,X2,…,Xn中是第 k大的,利用Yi的信息,我们容易得到 p=X(k)在X1,X2,…,Xn,Y1,Y2,…,Ym这 (m+n)个独立同 U[0,1]的随机变量中第 m1+k大的,于是按照之前的上篇博客得到的结论,此时 p=X(k)的概率密度函数为 Beta(p|α=m1+k,β=n+m−m1−k+1=n+m2+1−k),按照贝叶斯推理(Bayesian inference)的逻辑,我们把以上变量或者记号与贝叶斯推理上下文下的说法做对应:
p=X(k)是我们要推测的参数,我们推导出 p的分布为 f(p)=\Beta(p|α=k,β=n−k+1),称为 p的先验分布;
数据 Y中有 m1个比 p小,有m2个比 p大,相当于对 Y做 m次伯努利试验,所以 m1服从二项分布 B(m,p)
在给定了来自数据提供的 (m1,m2)的知识后,p的后验分布变为f(p|m1,m2)=B(p|α=m1+k,β=n+m2+1−k)
等等,也即是服从二项分布的先验与服从Beta分布的似然相互作用得到了服从beta分布的后验。这是什么呀?共轭分布呗。
上文通过一个简单的小游戏,我们最终得到Beta分布的概率密度:
B(x|α,β)=Γ(α+β)Γ(α)Γ(β)xα−1(1−x)β−1
Beta分布对应的一个现实中的例子为,α=k,β=n−k+1,B(x|α,β)表示 n个独立的服从0-1均匀分布(U[0,1])的随机变量,第 k大的随机变量的概率分布。也即:
B(X(n,k)|α=k,β=n−k+1)==Γ(α+β)Γ(α)Γ(β)xα−1(1−x)β−1n!(k−1)!(n−k)!xk−1(1−x)n−k
回到游戏上来:
f(Xn=10,k=7)=10!6!3!x6(1−x)3
假如我们第一次没有猜中,此时,游戏的发起者说:“让仁慈的我,给你一些提示(先验),让请你按5次,获得5个 [0,1]之间的随机数,然后我可以告诉你这五个数中的每一个和前面得到的10个数中第7大的数相比,谁大谁小,然后请你继续猜第7大的数是多少”。
此时问题抽象为数学表达即为:
1. X1,X2,…,Xn 独立同分布于 U[0,1],排序后对应的顺序统计量为 X(1),X(2),…,X(n),我们感兴趣的猜测是 p=X(k)
2. Y1,Y2,…,Ym独立同分布于 U[0,1],其中 m1个比 p小,m2个比p大
3. 问 P(p|Y1,Y2,…,Ym)的分布是什么?
由于 p=X(k)在X1,X2,…,Xn中是第 k大的,利用Yi的信息,我们容易得到 p=X(k)在X1,X2,…,Xn,Y1,Y2,…,Ym这 (m+n)个独立同 U[0,1]的随机变量中第 m1+k大的,于是按照之前的上篇博客得到的结论,此时 p=X(k)的概率密度函数为 Beta(p|α=m1+k,β=n+m−m1−k+1=n+m2+1−k),按照贝叶斯推理(Bayesian inference)的逻辑,我们把以上变量或者记号与贝叶斯推理上下文下的说法做对应:
p=X(k)是我们要推测的参数,我们推导出 p的分布为 f(p)=\Beta(p|α=k,β=n−k+1),称为 p的先验分布;
数据 Y中有 m1个比 p小,有m2个比 p大,相当于对 Y做 m次伯努利试验,所以 m1服从二项分布 B(m,p)
在给定了来自数据提供的 (m1,m2)的知识后,p的后验分布变为f(p|m1,m2)=B(p|α=m1+k,β=n+m2+1−k)
等等,也即是服从二项分布的先验与服从Beta分布的似然相互作用得到了服从beta分布的后验。这是什么呀?共轭分布呗。
相关文章推荐
- java 7 forkjoin并行框架的源码详究
- 常用的安卓UI相关的工具集合
- RecyclerView
- 优雅的App完全退出方案(没有任何内存泄漏隐患)
- 多线程初探(八)
- 写给开发者:记录日志的10个建议
- Java内存模型FAQ(十)volatile是干什么用的
- Redis-3.0.6 集群部署集成SpringJava工程-----spring集成
- 详解在C++中显式默认设置的函数和已删除的函数的方法
- RecyclerView match_parent 不起作用的解决方法
- 2016-1-19(移动触摸事件以及事件的一些属性引申)
- 关于java hashmap的心得
- Java NIO概述
- poj1185炮兵阵地
- android自定义控件的最大高度MaxHeightView
- Hadoop伪分布式搭建-(1)
- iOS学习——利用Timer更新通话时间与播放器进度条
- auto_ptr应用
- 缓存工具类封装
- infix 自定义运算符