《貝葉斯方法 概率程式設計與貝葉斯推斷》一1 8答案

2021-09-23 16:13:02 字數 1314 閱讀 9062

1.計算後驗的均值(即後驗的期望值),我們只需要用到樣本和a.mean函式。

print lambda_1_samples.mean()

print lambda_2_samples.mean()

2.給定兩個數a 和 b,相對增長可以由 (a − b)/b給出。在我們的例項中,我們並不能確定λ1和λ2的值是多少。通過計算

(lambda_2_samples-lambda_1_samples)/lambda_1_samples
我們得到另外乙個向量,它表示相對增長的後驗,如圖1.7.1所示。

relative_increase_samples = (lambda_2_samples-lambda_1_samples)

/lambda_1_samples

print relative_increase_samples

[output]:

[ 0.263 0.263 0.263 0.263 ..., 0.1622 0.1898 0.1883 0.1883]

figsize(12.5,4)

plt.hist(relative_increase_samples, histtype='stepfilled',

bins=30, alpha=0.85, color="#7a68a6", normed=true,

label='posterior of relative increase')

plt.xlabel("relative increase")

plt.ylabel("density of relative increase")

plt.title("posterior of relative increase")

plt.legend();

為了計算這個均值,需要用到新向量的均值:

3.如果已知 τ < 45,那麼所有樣本都需要考慮到這點:

ix = tau_samples < 45

print lambda_1_samples[ix].mean()

[output]:

17.7484086925

《貝葉斯方法 概率程式設計與貝葉斯推斷》 1 8答案

1 計算後驗的均值 即後驗的期望值 我們只需要用到樣本和a.mean函式。print lambda 1 samples.mean print lambda 2 samples.mean 2 給定兩個數a 和 b,相對增長可以由 a b b給出。在我們的例項中,我們並不能確定 1和 2的值是多少。通過...

《貝葉斯方法 概率程式設計與貝葉斯推斷》一導讀

貝葉斯方法 概率程式設計與貝葉斯推斷 貝葉斯方法是一種常用的推斷方法,然而對讀者來說它通常隱藏在乏味的數學分析章節背後。關於貝葉斯推斷的書通常包含兩到三章關於概率論的內容,然後才會闡述什麼是貝葉斯推斷。不幸的是,由於大多數貝葉斯模型在數學上難以處理,這些書只會為讀者展示簡單 人造的例子。這會導致貝葉...

貝葉斯概率

貝斯公式和全概率公式的意思差不多相反。全概率公式是說 某件事情的發生可以由很多情況導致,那麼這件事情發生的概率,就是每件事情導致他發生的概率,乘以每件事情發生的概率。貝斯公式的意思是 某件事情還是由剛才所說的那些事件引起的,你已經知道某件事情發生了,那麼他是由哪件事情引起的呢?就可以又貝斯公式a事件...