如何从先验和似然计算后验密度估计？
我试图了解如何使用贝叶斯定理来计算后验，但被计算方法所困扰，例如，在以下情况下，我不清楚如何获取先验和似然的乘积，然后计算出后： 对于此示例，我有兴趣计算的后验概率，并且在上使用标准正态先验，但是我想知道如何通过MCMC链表示的上的先验计算后验，因此我将使用1000个样本作为起点。μμ\muμμ\mu p （μ ）〜Ñ（μ = 0 ，σ= 1 ）p(μ)∼N(μ=0,σ=1)p(\mu)\sim N(\mu = 0, \sigma = 1)μμ\mu 从先前的样本1000。 set.seed(0) prior.mu <- 0 prior.sigma <- 1 prior.samples <- sort(rnorm(1000, prior.mu, prior.sigma)) 做一些观察： observations <- c(0.4, 0.5, 0.8, 0.1) 并计算可能性，例如：p （ÿ| μ，σ）p(y|μ,σ)p(y | \mu, \sigma) likelihood <- prod(dnorm(observations, mean(prior.samplse), sd(prior.samples))) 我不太了解的是： 什么时候/如何将先验乘以可能性？ 什么时候/如何规范后验密度？ …