极大似然估计、最大后验分布、贝叶斯估计¶
1 贝叶斯公式¶
- 贝叶斯公式
- 是的先验分布,是的先验分布
- 是的后验分布,是的后验分布
- 称为标准似然比,表示事件样本对参数的支持程度
2 极大似然估计¶
3 最大后验估计¶
-
最大后验估计公式:
-
最大后验估计不只是关注当前的样本的情况,还关注已经发生过的先验知识。样本很少的时候我们的观测结果很可能出现偏差,此时先验知识会把估计的结果“拉”向先验。
-
对于二项分布,可以采用作为参数的先验估计
4 贝叶斯估计¶
-
特点:
-
贝叶斯估计是最大后验估计的进一步扩展,贝叶斯估计同样假定是一个随机变量,但贝叶斯估计并不是直接估计出的某个特定值,而是估计的分布
-
由于是计算概率分布,此时分母的就不能忽略了
-
公式
-
共轭先验
-
在贝叶斯统计中,如果后验分布与先验分布属于同类,则先验分布与后验分布被称为共轭分布,而先验分布被称为似然函数的共轭先验。
-
对于一个特定的似然函数,如果我们选定一个先验概率分布,得到的后验概率分布和先验概率分布相同,则似然函数分布和先验概率分布就组成了一对共轭分布。此时训练出来的是后验概率分布
- 若是二项分布,是分布,则也是分布, 所以分布是二项分布的共轭分布
- 若是高斯分布,是高斯分布,则也是高斯分布, 所以高斯分布是高斯分布的共轭分布
- 若为多项式分布,为分布(分布的一个扩展),则也为分布,所以分布是多项式分布的共轭分布
- 指数分布参数的共轭先验是分布
-
泊松分布的共轭先验是分布
-
计算过程
-
以抛硬币为例,假设有一枚硬币,现在要估计其正面朝上的概率。为了对 进行估计,进行了次独立同分布实验, 其中正面朝上的次数为6次,反面朝上的次数为4次,结果为
-
可以知道,分布是二项分布的共轭分布,所以设 可以得到,
-
可以通过分布,分析的均值和方差
-
而是用来估计新测量数据出现的概率,对于新出现的数据