3
如何用时变偏差建模偏差硬币?
偏向硬币模型通常具有一个参数。从一系列平局中估计一种方法是使用Beta先验并以二项式似然计算后验分布。θθ=P(Head|θ)θ=P(Head|θ)\theta = P(\text{Head} | \theta)θθ\theta 在我的环境中,由于一些奇怪的物理过程,我的硬币特性正在缓慢变化,成为时间的函数。我的数据是一组有序抽奖,即。我可以认为我在离散且规则的时间网格上每仅获得一个抽奖。吨{ ħ ,Ť ,ħ ,ħ ,ħ ,Ť ,。。。} tθθ\thetattt{H,T,H,H,H,T,...}{H,T,H,H,H,T,...}\{H,T,H,H,H,T,...\}ttt 您将如何建模?我正在考虑类似卡尔曼滤波器的事情,以适应隐藏变量为并保持二项式可能性的事实。我可以使用什么来建模P(\ theta(t + 1)| \ theta(t))以保持推理的可操纵性?P (θ (吨+ 1 )| θ (吨))θθ\thetaP(θ(t+1)|θ(t))P(θ(t+1)|θ(t))P(\theta(t+1)|\theta(t)) 编辑以下答案(谢谢!):我想将\ theta(t)建模θ(t)θ(t)\theta(t)为1级马尔可夫链,就像在HMM或Kalman滤波器中所做的那样。我可以做出的唯一假设是θ(t)θ(t)\theta(t)是平滑的。我可以将P(θ(t+1)|θ(t))=θ(t)+ϵP(θ(t+1)|θ(t))=θ(t)+ϵP(\theta(t+1)|\theta(t)) = \theta(t) + \epsilon与\ epsilon一起写成ϵϵ\epsilon一个小高斯噪声(卡尔曼滤波器的思想),但这会破坏\ theta的要求θθ\theta必须保留在[0,1][0,1][0,1]。遵循@J Dav的想法,我可以使用probit函数将实线映射到[0,1][0,1][0,1],但是我有直觉,这将提供非分析性的解决方案。均值\ theta(t)的 beta分布θ(t)θ(t)\theta(t) 而更大的差异可以解决问题。 我问这个问题是因为我觉得这个问题是如此简单,以至于必须先进行研究。