贝叶斯先验分布与后验分布摘要.ppt

* 解题的基本思路： 写出样本的似然函数： 么分布具有这种形式的核呢？ * * * 常用的一些共轭先验分布 总体分布 参数 共轭先验分布 后验分布的期望 正态分布 均值 正态分布 正态分布 方差 倒Γ分布IGa(a,b) 二项分布 成功 概率 β分布 Poisson分布 均值 Γ分布Ga(a,b) 指数分布 均值的倒数 Γ分布Ga(a,b) * §1.4 超参数及其确定 一、超参数的定义：先验分布中所含的未知参数称为超参数 二、估计方法：共轭先验分布是一种有信息的先验分布，故其中所含的超参数应充分利用各种先验信息来确定它，下面用一个例子来介绍目前国内外文献中对超参数的估计方法： 问题：二项分布中成功概率θ的共轭先验分布是贝塔分布Be(α,β)，怎样确定两个超参数α和β？ * 1.利用先验矩： * 2.利用先验分位数： 假如根据先验信息可以确定贝塔分布的二个分位数，则可用这两个分位数来确定α与β，譬如用两个上、下四分位数θU与θL来确定α与β，θU与θL分别满足如下二个方程： 从这两个方程解出α与β即可确定超参数。 * 3.利用先验矩和先验分位数 假如根据先验信息可获得先验均值 和p分位数 ，则可列出下列方程： 由此可解出α与β的估计值。 4.其它方法 * §1.5 多参数模型 由以上几节内容可知，求某一个参数的后验分布的基本