बेयस प्रमेय में निरंतर सामान्य

15

$\Pr(\textrm{data})$

Pr (parameters ∣ data) = \frac{Pr (data ∣ parameters) Pr (parameters)}{Pr (data)}

$\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})}$

एक सामान्य स्थिरांक कहलाता है । वास्तव में क्या है? इसका उद्देश्य क्या है? यह तरह क्यों दिखता है ? यह मापदंडों पर निर्भर क्यों नहीं है? $\Pr(data)$

probability bayesian

— शौक़ीन व्यक्ति
स्रोत

4

जब आप

को एकीकृत करते हैं, तो आप मापदंडों पर एकीकृत कर रहे हैं और इसलिए परिणाम का कोई मापदण्ड नहीं होता है, मापदंडों के आधार पर, उसी तरह

f (data | params) f (params)

$f(\text{data}|\text{params})f(\text{params})$

पर निर्भर नहीं करता है।

\int_{x = 0}^{x = 2} x y d x = 2 y

$\int_{x=0}^{x=2}xy\;dx = 2y$

x

$x$

— हेनरी

16

हर, , होने की संभावना, से मापदंडों को एकीकृत करके प्राप्त किया जाता है । यह डेटा की सीमांत संभावना है और निश्चित रूप से, यह मापदंडों पर निर्भर नहीं करता है क्योंकि ये एकीकृत किए गए हैं। $\Pr(\textrm{data})$ $\Pr(\textrm{data}, \textrm{parameters})$

अब, चूंकि:

$\Pr(\textrm{data})$ उन मापदंडों पर निर्भर नहीं करता है जिनके लिए कोई निष्कर्ष निकालना चाहता है;
$\Pr(\textrm{data})$ आम तौर पर एक बंद-रूप में गणना करना मुश्किल है;

एक अक्सर बे के सूत्र के निम्नलिखित अनुकूलन का उपयोग करता है:

$\Pr(\textrm{parameters} \mid \textrm{data}) \propto \Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\textrm{parameters})$

$\Pr(\textrm{data})$

— ocram
स्रोत

2

" मापदंडों को एकीकृत करके" से आपका वास्तव में क्या मतलब है ? इस संदर्भ में "एकीकृत करने" का सटीक अर्थ क्या है?

— नबर

2

@nbro: मेरा मतलब है Pr (डेटा) = Pr (डेटा, पैरामीटर्स) के मापदंडों पर अभिन्न

— ocram

2

$\Pr(\textrm{data})$

— कठोर
स्रोत