知识卡片
贝叶斯把参数当变量
频率派说“若 H0 为真,出现这么极端数据的概率只有 3%”;贝叶斯派反过来,直接把未知参数 p 当成随机变量,先给先验分布,再用数据和贝叶斯定理更新成后验,于是可以说“p 落在 49% 到 51% 之间的概率是 95%”——这是关于参数的陈述,而非关于检验的。硬币场景用 Beta(α,β) 作先验:中心在 α/(α+β),α+β 越大越集中。观测 h 次正面、t 次背面后,后验仍是 Beta(α+h, β+t),因为 Beta 是二项分布的共轭先验。均匀先验 Beta(1,1) 遇十次中三次正面得 Beta(4,8),中心 0.33;先验 Beta(20,20) 则得 Beta(23,27),中心 0.46。
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
原书出处 · 1 处
- 第7章 假设和推论 · 查看原书依据
另一种替代推理的方法是将未知参数本身视为随机变量。分析师(也就是你)从参数的先验分布(prior distribution)开始,使用观察到的数据和贝叶斯定理计算出更新后的后验分布(posterior distribution)。
参考来源
- 位置:《数据科学入门(第2版)》第7章 假设和推论(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0011.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「另一种替代推理的方法是将未知参数本身视为随机变量……」
- 原始内容:另一种替代推理的方法是将未知参数本身视为随机变量。分析师(也就是你)从参数的先验分布(prior distribution)开始,使用观察到的数据和贝叶斯定理计算出更新后的后验分布(posterior distribution)。