貝氏估計(jì)與winbugs在社會(huì)科學(xué)的應(yīng)用-文庫(kù)吧資料
2025-07-27 12:43本頁(yè)面
【正文】 ，若先驗(yàn)的 variance很大，亦即先驗(yàn)的資訊 f(θ)準(zhǔn)確性很低，我們?nèi)詴?huì)得到準(zhǔn)確的參數(shù)估計(jì) (即使看起來(lái)跟 MLE得到的一致 ) 推論 2 ? posterior mean = [(1/ τ 02) ?μ0+(1/ v) ?y] / [(1/ τ 02)+(1/ v) ] 其中 v=sample variance/n, y為 sample mean 除非 τ 02很小 ， 不然 posterior mean跟 sample mean可能只差百分之 1或更小 posterior variance=[(1/ τ 02)+(1/ v)] Conjugacy(分布家族 ) ? 若先驗(yàn)資訊 (prior)與概似機(jī)率分布屬於同一家族，得出的 posterior也會(huì)是同一家族，可簡(jiǎn)化貝氏分析 Prior Likelihood Posterior normal normal normal gamma normal(precision) gamma beta binomial beta exponential possion exponential MCMC ? Markovchain Monte Carlo ? 利用 Markovchain可以先解決較簡(jiǎn)單的條件
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1