贝叶斯方法

Question

如题所述

Answer 1

贝叶斯方法为，将关于未知参数的先验信息与样本信息综合，再根据贝叶斯公式，得出后验信息，然后根据后验信息去推断未知参数的方法。

贝叶斯分析方法（Bayesian Analysis）是贝叶斯学习的基础，它提供了一种计算假设概率的方法，这种方法是基于假设的先验概率、给定假设下观察到不同数据的概率以及观察到的数据本身而得出的。

计算后验分布期望的传统数值计算方法是数值积分、拉普莱斯近似计算和蒙特卡洛（Monte Carlo）重要抽样。MCMC方法，即马尔可夫链——蒙特卡罗(Markov chain Monte Carlo)方法已经变成了非常流行的贝叶斯计算方法。

一方面是由于它处理非常复杂问题的效率，另一方面是因为它的编程方法相对容易。

在贝叶斯统计理论中，统计推断中的相关量均作为随机量对待，而不考虑其是否产生随机值。概率被理解为基于给定信息下对相关量不完全了解的程度，对于具有相同可能性的随机事件认为具有相同的概率。

在进行测量不确定度的贝叶斯评定时，与测量结果推断或不确是度评定相关的每一个物理量均被分配一个随机变量，分布宽度常用标准差表示，反映了对未知真值了解的程度。