priori valószínűség
Bayes következtetés priori eloszlás értékét (született korábbi valószínűségi eloszlását vagy közvetlenül azelőtt ..) A bizonytalan értéke p - valószínűségi eloszlását. amely kifejezi azt a feltételezést p számlájára a kísérleti adatokkal. Például, ha p - aránya a választók kész szavazni egy bizonyos jelölt, az előzetes eloszlás feltételezésével p figyelmet a választások eredményeit, illetve közvélemény-kutatások. Ez ellentétben áll a posteriori valószínűsége.
Szerint a Bayes-tétel. normalizált terméket az a priori eloszlása a likelihood függvény a feltételes eloszlása bizonytalan értékű szerinti fordulók adatok.
Előzetes forgalmazást gyakran kérték szubjektíve tapasztalt szakértő. Ha lehetséges, használja a konjugátum előtt. amely egyszerűsíti a számításokat.
priori eloszlás paramétereinek nevű hyperparameters. megkülönböztetni őket az adat modell paramétereit. Például, ha ön használ egy béta eloszlás modellezésére eloszlása p paraméter a Bernoulli eloszlás. akkor:
- p - az adat modell-paraméter (Bernoulli-eloszlás)
- α és β - priori eloszlás paraméterek (béta eloszlás), azaz hiper paramétereket.
Tájékoztató priori eloszlás [szerkesztés | szerkesztés wiki szöveg]
Tájékoztató priori eloszlás fejezi részletes információk változó. Például, egy alkalmas a priori eloszlása a külső hőmérséklet holnap délután lesz normális eloszlás, az átlagos értéke. egyenlő a hőmérséklet ma délben, és szórás. diszperziós hőmérséklet napi egyenlő.
Így az utólagos eloszlást a problémát (hőmérséklet ma) válik a priori egy másik feladat (hőmérséklet holnap); Több bizonyíték halmozódott fel a priori, a kevésbé függ az előzetes feltételezést, és több - az összegyűlt adatokat.
Uninformative priori eloszlás [szerkesztés | szerkesztés wiki szöveg]
Uninformative priori eloszlás fejezi homályos vagy általános információkat változtatható. Ez a név nem túl pontos, pontosabb nem lenne nagyon informatív vagy objektív eleve a priori. mivel az ingatlan az eloszlás nem rendelt szubjektív. Például, ez lehet a priori kifejezni „objektív” információkat, hogy „változó csak pozitív” vagy „változó tartományok.”
A legegyszerűbb és legrégebbi szabály cél uninformative priori elv közöny. amely kijelöli az egyenlő valószínűségek minden lehetőséget.
A problémák a paraméter becslése a nem informatív a priori általában hozza az eredmények, amelyek alig különböznek a hagyományos, valamint a likelihood függvény gyakran hoz több információt, mint a nem informatív a priori.
Hibás priori eloszlás [szerkesztés | szerkesztés wiki szöveg]
Ha a Bayes-tétel van írva, mint:
nyilvánvaló, hogy ez lesz érvényben marad, ha az összes a priori valószínűsége P (Ai) és a P (Aj) meg kell szorozni ugyanaz a konstans; ugyanez igaz a folyamatos valószínűségi változók. Posteriori valószínűség lesz normalizált összegével (vagy egész) 1, akkor is, ha eleve nem is normalizálódott. Tehát a technika forgalmazása csak adja meg a helyes arányokat valószínűségeket.