※ 引述《[email protected] (老怪物)》之銘言：
: ※ 引述《[email protected] (小滅滅)》之銘言：
: > 我在唸這個單元的時候
: > 我覺得我不是很了解貝氏估計的意涵
: > 不太懂的他的觀念以及整個理論架構
: > 不知道有沒有高手可以替我解說一下
: > 感謝
: 貝氏方法, 參數θ是假設為 "隨機的", 有一個機率分布,
: 稱 prior distribution.
: 但已知θ值時, 資料 X 有一個分布: f(x|θ).
: 設θ的 prior distribution, 即其 marginal distribution,
: 以 π(θ) 表示, 則可得 given X=x(實際觀測到的資料)
: 時θ的 conditional distribution g(θ|x), 稱之為 θ
: 的 posterior distribution.
: 貝氏方法即是以θ的 posterior distribution 為基礎對
: θ做推論. 例如取 posterior mean 或 posterior median
: 為θ的點估計值.
: 書多看幾遍, 再做做練習, 並多思考.
我之前思考了一陣子我大該發現自己問題卡在哪邊
應該說我不懂後驗分配所求出來的值代表的意義
求出來的g(θ|x)指的是抽樣完以後θ的函數嗎
而在這邊跟mle不同的是否是
mle的θ是固定的，但是貝氏的θ是個變數
最後要求點估計式是否也是因為θ是變數不能直接對其微分
所以為了使E(g(θ|x)-b)^2極小求出E(θ|x)當作估計式
不過這邊我也不懂為什麼要取E(g(θ|x)-b)^2極小來當作估計式
其實我對於貝氏的觀念頗薄弱
所以可能問了蠢問題，希望不會見笑
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.112.35.173