《贝叶斯推断》-课件设计(公开).pptVIP

Chp11：贝叶斯推断 内容: 贝叶斯观点和贝叶斯方法 贝叶斯推断 vs. 频率推断 贝叶斯观点和贝叶斯方法 从频率到信念 频率学派的观点 到目前为止我们讲述的都是频率（经典的）统计学 概率指的是相对频率，是真实世界的客观属性。 参数是固定的未知常数。由于参数不会波动，因此不能对其进行概率描述。 统计过程应该具有定义良好的频率稳定性。如：一个95％的置信区间应覆盖参数真实值至少95％的频率。 贝叶斯学派的观点 贝叶斯推断采取了另外一个不同的立场： 概率描述的是主观信念的程度，而不是频率。这样除了对从随机变化产生的数据进行概率描述外，我们还可以对其他事物进行概率描述。 可以对各个参数进行概率描述，即使它们是固定的常数。 为参数生成一个概率分布来对它们进行推导，点估计和区间估计可以从这些分布得到 贝叶斯方法 贝叶斯推断的基本步骤如下： 选择一个概率密度函数 ，用来表示在取得数据之前我们对某个参数 的信念。我们称之为先验分布。 选择一个模型 （在参数推断一章记为 ） 来反映在给定参数 情况下我们对x的信念。 当得到数据 X1, X2,…Xn 后，我们更新我们的信念并且计算后验分布 。 从后验分布中得到点估计和区间估计。 回忆贝叶斯规则 亦称贝叶斯定理