概率统计笔记:贝叶斯线性回归
Posted UQI-LIUWJ
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了概率统计笔记:贝叶斯线性回归相关的知识,希望对你有一定的参考价值。
1 引入
在贝叶斯框架下,当我们假设变量服从正态分布
根据共轭先验,我们知道:
- 似然函数P(x|θ)为已知精度的正态分布时,它均值的共轭先验是正态分布(也就是此时均值的先验概率密度函数P(θ)和后验概率密度函数P(θ|x) 均为正态分布)
- 似然函数P(x|θ)为已知均值的正态分布时,它精度的共轭先验是伽马分布(也就是此时均值的先验概率密度函数P(θ)和后验概率密度函数P(θ|x) 均为伽马分布)
概率统计笔记:共轭分布_UQI-LIUWJ的博客-CSDN博客_统计共轭
所以我们先假设a,b和满足 (注:本来应该是
满足 正态分布的,但是我们在单独研究a的分布的时候,可以把xi看作是一个常数(
)
复习:伽马函数的概率密度函数为
2 参数后验分布的求法
2.1 直接套用共轭先验公式
2.1.1 计算
——>
——>
所以后验概率
2.1.2 计算b
——>P(b)
——>
所以后验概率
2.1.3 计算a
——>P(a)
与此同时 我们稍做处理:
【精度的倒数 ——方差是除以 xi^2 的均值,所以精度是乘以)
所以
这里我们做一个近似,
也即
即
2.2 手动推导
推导部分借鉴了浅谈贝叶斯张量分解(二):简单的贝叶斯线性回归模型 - 知乎 (zhihu.com)
首先这三个前提是不变的:
2.2.1 求a的后验概率
去掉无关项(μ1,τ1对X,Y的取值没有作用;b,τε对a的取值没啥作用),也即
而我们知道:似然函数P(x|θ)为已知精度的正态分布时,它均值的共轭先验是正态分布(也就是此时均值的先验概率密度函数P(θ)和后验概率密度函数P(θ|x) 均为正态分布)
概率统计笔记:共轭分布_UQI-LIUWJ的博客-CSDN博客_统计共轭
所以后验概率密度也为正态分布
我们考虑指数项
的系数
a的系数
——>
2.2.2 求b的后验概率
和a 类似
同样地,后验概率也是正态分布
同样,我们也是看指数项
系数
b系数
所以
2.2.3 求τε的后验概率
似然函数P(x|θ)为已知均值的正态分布时,它精度的共轭先验是伽马分布(也就是此时均值的先验概率密度函数P(θ)和后验概率密度函数P(θ|x) 均为伽马分布)
所以
:
——>
指数项:
即
以上是关于概率统计笔记:贝叶斯线性回归的主要内容,如果未能解决你的问题,请参考以下文章