这个问题可能已经在这个论坛上考虑过了。
当您声明“具有后验分布”时,您的意思是什么?“具有”的函数,我知道是成正比的后部,即π (θ | X )α π (θ )× ˚F (X | θ )例如完全人工目标π (θ | X )α EXP { - | | θ - X | | 2 − | | θ + xθ
π(θ|x)∝π(θ)×f(x|θ)
并没有告诉我是什么
π(θ | x )∝ exp{ − | | θ - X | |2- | | θ + x | |4- | | θ - 2 X | |6} ,X ,θ ∈ [R 18岁,
- 函数的后验期望,例如E [ h(θ )| x ],后验均值,在标准损失下充当贝叶斯估计器;θE [ h(θ) | X]
- 在任意效用函数下的最佳决策,该决策将预期的后路损失降至最低;
{h=h(θ); πh(h)≥h––}
- 最可能的模型是在将参数的某些部分设置为特定值与保持未知(随机)之间进行选择。
这些仅是后验分布的许多用法的示例。在除了最简单的情况以外的所有情况下,我都无法通过盯着后验分布密度来提供答案,并且确实需要进行数值解析,例如蒙特卡洛和马尔可夫链蒙特卡洛方法。