细节
统计的贝叶斯方法提供了一种直观的方法,可以对感兴趣的统计参数进行概率声明。考虑一种情况,其中独立样本随机变量的 已获得。根据先验信息,随机变量已知为正态分布,平均值未知和标准偏差附加初始信息包括未知平均值分布的先验知识和未知标准偏差随机变量的在贝叶斯方法中,该先验信息由先验概率密度函数正式表示在间隔上定义和在间隔上定义.
贝叶斯定理可用于计算和给定数据以及关于和.后验分布的正式结果是
,
哪里是数据的可能性,给定参数的特定值和由于数据样本是独立的,并且是从正态分布中提取的,因此可以写出数据的可能性
.
数据的可能性可以用数据样本的平均值来表示和标准偏差。结果是
,
哪里
和.
最后一个结果表明,有关数据的知识由样本统计信息捕获和连同样本量.
后向分布现在可以写入
.
后向分布可以通过边缘化正式结果是
.
对于正态分布,平均值和标准偏差分别是位置和比例参数。正态分布的中心是宽度与在以下分布存在重大先验不确定性的情况下和,可以假设平均值的先验概率分布用概率密度函数均匀分布
,.
由于标准偏差是一个尺度参数而不是位置参数,可以假设由Jeffrey的先生们给出
,.
使用以下特定表示和,后向分布可以根据初始和观察到的信息编写:
.
后验概率分布是
.
在随机变量的单一观测的特殊情况下也就是说,,以及平均值的完全不确定性也就是说,和,那么,以及平均值的后验分布由提供
,
标准偏差的后验分布是
,.
这与之前的分布相同因此,在特殊情况下以及关于贝叶斯定理说,单个观测值并不能告诉我们其自身的不确定性。
在这个演示中,您可以选择初始数据的值,,,和观测数据,,,并调查这些选择对后验分布的影响和下两个图中水平轴上的黑点表示观测数据的位置和关于它们各自的后验分布。
工具书类
[1] E.T.Jaynes,概率论:科学的逻辑,剑桥:剑桥大学出版社,2003年。
[2] H.杰弗里斯,科学推断第三版,剑桥:剑桥大学出版社,1973年。