什么是贝叶斯定理?有哪些表示方法?

股票入门知识 | 发布于2021-11-30

现在我们来讨论贝叶斯定理,它有两种表示方法。一种种是传统意义上的一个简单的概率描述。给定两个事件A和B,下面的性质成立:

什么是贝叶斯定理?有哪些表示方法?

我们将这些性质称为贝叶斯定理。这些性质是条件概率定义的一个基本推论。

什么是贝叶斯定理?有哪些表示方法?

在贝叶斯定理的第二种表达方法中,我们把事件 A 换成一个统计假设 H,把事件 B换成数据(data),则有∶

什么是贝叶斯定理?有哪些表示方法?

贝叶斯定理的这种形式是贝叶斯统计理论的数学基础。假定 P(data)是无条件概率,不依赖于 H,我们可以把上式写成∶

什么是贝叶斯定理?有哪些表示方法?

什么是贝叶斯定理?有哪些表示方法?

贝叶斯定理的另一种表示方法并非第一种方法的推理结果;它是一个独立的原理,赋予统计假设以概率。

在用于建模时,贝叶斯定理是用分布而非概率来表达的。贝叶斯定理可以用分布形式表达为:

什么是贝叶斯定理?有哪些表示方法?

贝叶斯统计理论的一个关键问题在于如何确定先验分布。虽然先验分布是主观的,但它并不是随意的;如果先验分布可以是随意的,那么估计过程就没有意义了。先验分布代表了在考虑了具体的测量之前的基本认知。我们常用到两种先验分布:扩散先验分布以及共轭先验分布。扩散先验分布假定我们对所研究的现象没有任何先验的认知。扩散先验分布是在不确定范围上的均匀分布。共轭先验分布是这样的一个先验分布:对于一个给定的似然函数,它使得先验分布和后验分布是一致的。

飞鲸投研从多维度分析,整理了一份《成长50》的名单,可以关注同名公众号:"飞鲸投研":feijingtouyan,进行领取(点击复制)

该文观点仅代表作者本人,飞鲸投研系信息发布平台

/阅读下一篇/

针对模型风险的贝叶斯方法是如何处理的?

热门推荐