知识卡片
先验独立未必保持到后验
不同机制的参数可以采用相互独立的先验,但给定观测后,数据和隐藏变量可能使后验相关。不要把便于指定的独立先验当成后验也能分开采样或分别优化的普遍证明。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 构建因果图模型
原书出处 · 1 处
- · 查看原书依据
a priori independent (though they are generally dependent in the posterior). This provides a nice causal justification for using an independent prior distribution for each causal Markov kernel’s parameter set.
参考来源
- 位置:《Causal AI》第03章《构建因果图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Causal AI/_epub-src/OEBPS/Text/chapter-3.xhtml)
- 结论依据:摘录中关于先验独立未必保持到后验的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:a priori independent (though they are generally dependent in the posterior). This provides a nice causal justification for using an independent prior distribution for each causal Markov kernel’s parameter set.