नॉर्मल-विशरट की व्युत्पत्ति बाद में


11

मैं एक नॉर्मल-विशरट पोस्टीरियर के व्युत्पन्न पर काम कर रहा हूं, लेकिन मैं एक पैरामीटर (स्केल मैट्रिक्स के पीछे, नीचे देखें) में फंस गया हूं।

केवल संदर्भ और पूर्णता के लिए, यहाँ मॉडल और बाकी व्युत्पत्तियाँ हैं:

xi∼N(μ,Λ)μ∼N(μ0,(κ0Λ)−1)Λ∼W(υ0,W0)

तीन कारकों में से प्रत्येक के विस्तारित रूप (आनुपातिकता स्थिरांक तक) हैं:

  • संभावना:

    N(xi|μ,Λ)∝|Λ|N/2exp⁡(−12∑i=1N(xiTΛxi−2μTΛxi+μTΛμ))
  • सामान्य से पहले:

    N(μ|(μ0,κ0Λ)−1)∝|Λ|1/2exp⁡(−12(μTκ0Λμ−2μTκ0Λμ0+μ0Tκ0Λμ0))
  • Wishart से पहले:

    W(Λ|υ0,W0)∝|Λ|υ0−D−12exp⁡(−12tr(W0−1Λ))

हम पोस्टीरियर नॉर्मल-विशरट ( ) चाहते हैं, जो अपघटित हो सकता है | साथ ही :μ,Λ|μ′,κ′,υ′,W′N(μ|μ,κ′Λ)W(Λ|υ′,W′)

आजादी के degressυ′

संभावना और Wishart के पहले कारकों को मिलाने से हमें बाद में Wishart कारक का पहला कारक मिलता है: और इसलिए हमारे पास पीछे के पहले पैरामीटर हैं:

|Λ|υ0+N−D−12
υ′=υ0+N

स्केल फैक्टरκ′

हम पहचान तत्वों से घिरा हुआ और को खोजने के लिए जो पूर्व संभावना से अद्यतन किया जाता है: और इसलिए हमें दूसरा पैरामीटर मिला: μTμκ0Λ

μT((κ0+N)Λ)μ
κ′=κ0+N

मीनμ′

तीसरा पैरामीटर यह पहचानने से आता है कि : अंदर क्या है और इसलिए हमें तीसरा पैरामीटर मिला: 2μT...

2μT(ΛNx¯+κ0Λμ0)=2μTκ′Λμ′(ΛNx¯+κ0Λμ0)=κ′Λμ′(Nx¯+κ0μ0)=κ′μ′
μ′=1k′(Nx¯+κ0μ0)

स्केल मैट्रिक्सW′

और चौथा पैरामीटर शेष मापदंडों पर काम करने से आता है:

tr(W′−1Λ)=tr(W0−1Λ)+∑i=1NxiTΛxi+μ0Tκ0Λμ0=tr(W0−1Λ)+∑i=1Ntr(xiTΛxi)+tr(μ0Tκ0Λμ0)=tr(W0−1Λ+∑i=1NxiTΛxi+μ0Tκ0Λμ0)

यहां से कैसे जाना है (यदि मैंने अब तक कोई गलती नहीं की है) और लिए मानक समाधान प्राप्त करें ?W′

1 संपादित करें :

अब हम मानक के रूप में दो वर्गों को प्राप्त करने के लिए कुछ कारकों को फिर से व्यवस्थित करते हैं, जोड़ते हैं और कुछ कारकों को प्रतिस्थापित करते हैं:

tr(W′−1Λ)=tr(W−1Λ+∑i=1N(xiTΛxi+x¯TΛx¯−2xiTΛx¯)+κ0(μ0TΛμ0+x¯TΛx¯−2x¯TΛμ0)−∑i=1Nx¯TΛx¯+2∑i=1NxiTΛx¯−κ0x¯TΛx¯+2κ0x¯TΛμ0)=tr(W−1Λ+∑i=1N(xi−x¯)Λ(xi−x¯)T+κ0(x¯−μ0)Λ(x¯−μ0)T−Nx¯Λx¯T+2Nx¯Λx¯T−κ0x¯Λx¯T+2κ0x¯Λμ0T)

हम उन कारकों को सरल करते हैं जो वर्गों से बाहर रहते हैं:

tr(W′−1Λ)=tr(W−1Λ+∑i=1N(xi−x¯)TΛ(xi−x¯)+κ0(x¯−μ0)TΛ(x¯−μ0)+(N−κ0)x¯TΛx¯+2κ0x¯TΛμ0)

संपादित 2 ( अनुवर्ती @bdeonovic के उत्तर के लिए धन्यवाद )

ट्रेस चक्रीय है, इसलिए । फिर: और फिर: tr(ABC)=tr(BCA)=tr(CAB)

tr(W′−1Λ)=tr(W−1Λ+∑i=1N(xi−x¯)(xi−x¯)TΛ+κ0(x¯−μ0)(x¯−μ0)TΛ+(N−κ0)x¯x¯TΛ+2κ0x¯μ0TΛ)
tr(W′−1)=tr(W−1+∑i=1N(xi−x¯)(xi−x¯)T+κ0(x¯−μ0)(x¯−μ0)T+(N−κ0)x¯x¯T+2κ0x¯μ0T)

लगभग! लेकिन अभी भी वहाँ नहीं है। लक्ष्य है:

W−1+∑i=1N(xi−x¯)(xi−x¯)T+κ0Nκ0+N(x¯−μ0)(x¯−μ0)T

जवाबों:


4

ट्रेस चक्रीय है, इसलिए । इसके अलावा ट्रेस इसके अलावा वितरित करता है ताकि । इन तथ्यों के साथ आपको ट्रेस शब्दों में पीछे की ओर शब्द चक्र करने में सक्षम होना चाहिए , ट्रेस शब्दों को एक साथ मिलाएं। परिणाम कुछ इस तरह दिखना चाहिए जैसेtr(ABC)=tr(BCA)=tr(CAB)tr(A+B)=tr(A)+tr(B)Λ

W′−1=W−1+∑i=1Nxixi⊺+μ0μ0⊺

धन्यवाद! फिर भी, मैं यह नहीं देख पा रहा हूँ कि वहाँ से मानक परिणाम ( en.wikipedia.org/wiki/Conjugate_prior ) को कैसे प्राप्त किया जा सकता है, जिसमें और । मैं नकारात्मक संकेत भी नहीं देता: ओ∑(xi−x¯)x¯−μ0
— अल्बर्टो

3

संभावना पूर्व की है ×

|Λ|N/2exp⁡{−12(∑i=1NxiTΛxi−Nx¯TΛμ−μTΛNx¯+NμTΛμ)}×|Λ|(ν0−D−1)/2exp⁡{−12tr(W0−1Λ)}×|Λ|1/2exp⁡{−κ02(μTΛμ−μTΛμ0−μ0TΛμ+μ0TΛμ0)}.
इसे फिर से लिखा जा सकता है हम फिर से लिख सकते हैं
|Λ|1/2|Λ|(ν0+N−D−1)/2×exp⁡{−12((κ0+N)μTΛμ−μTΛ(κ0μ0+Nx¯)−(κ0μ0+Nx¯)TΛμ+κ0μ0TΛμ0+∑i=1NxiTΛxi+tr(W0−1Λ))}
(κ0+N)μTΛμ−μTΛ(κ0μ0+Nx¯)−(κ0μ0+Nx¯)TΛμ+κ0μ0TΛμ0+∑i=1NxiTΛxi+tr(W0−1Λ)
एक शब्द जोड़कर और घटाकर निम्नानुसार है:
(κ0+N)μTΛμ−μTΛ(κ0μ0+Nx¯)−(κ0μ0+Nx¯)TΛμ+1κ0+N(κ0μ0+Nx¯)TΛ(κ0μ0+Nx¯)−1κ0+N(κ0μ0+Nx¯)TΛ(κ0μ0+Nx¯)+κ0μ0TΛμ0+∑i=1NxiTΛxi+tr(W0−1Λ).
शीर्ष दो पंक्तियाँ अब कारक के रूप में
(κ0+N)(μ−κ0μ+Nx¯κ0+N)TΛ(μ−κ0μ+Nx¯κ0+N).

जोड़ना और घटाना , निम्नलिखित: को फिर से लिखा जा सकता है Nx¯TΛx¯

−1κ0+N(κ0μ0+Nx¯)TΛ(κ0μ0+Nx¯)+κ0μ0TΛμ0+∑i=1NxiTΛxi+tr(W0−1Λ)
∑i=1N(xiTΛxi−xiTΛx¯−x¯TΛxi+x¯TΛx¯)+Nx¯TΛx¯+κ0μ0TΛμ0−1κ0+N(κ0μ0+Nx¯)TΛ(κ0μ0+Nx¯)+tr(W0−1Λ).
योग शब्द
∑i=1N(xiTΛxi−xiTΛx¯−x¯TΛxi+x¯TΛx¯)
बराबर अब रूप में विस्तारित किया जा सकता है
∑i=1N(xi−x¯)TΛ(xi−x¯).
Nx¯TΛx¯+κ0μ0TΛμ0−1κ0+N(κ0μ0+Nx¯)TΛ(κ0μ0+Nx¯)
Nx¯TΛx¯+κ0μ0TΛμ0−1κ0+N(κ02μ0TΛμ0+Nκ0μ0TΛx¯0+Nκ0x¯TΛμ0+N2x¯TΛx¯),
जो बराबर होता है
Nκ0κ0+N(x¯TΛx¯−x¯TΛμ0−μ0TΛx¯+μ0TΛμ0)=Nκ0κ0+N(x¯−μ0)TΛ(x¯−μ0).

निम्नलिखित दो शब्द स्केलर हैं: और कोई भी स्केलर इसके ट्रेस के बराबर है, इसलिए

∑i=1N(xi−x¯)TΛ(xi−x¯),Nκ0κ0+N(x¯−μ0)TΛ(x¯−μ0).
tr(W0−1Λ)+∑i=1N(xi−x¯)TΛ(xi−x¯)+Nκ0κ0+N(x¯−μ0)TΛ(x¯−μ0)
रूप में फिर से लिखा जा सकता है चूँकि , उपरोक्त योग बराबर होता है।
tr(W0−1Λ)+tr(∑i=1N(xi−x¯)TΛ(xi−x¯))+tr(Nκ0κ0+N(x¯−μ0)TΛ(x¯−μ0)).
tr(ABC)=tr(CAB)
tr(W0−1Λ)+tr(∑i=1N(xi−x¯)(xi−x¯)TΛ)+tr(Nκ0κ0+N(x¯−μ0)(x¯−μ0)TΛ).
इस तथ्य का उपयोग करते हुए कि , हम योग को फिर से लिख सकते हैं। tr(A+B)=tr(A)+tr(B)
tr(W0−1Λ+∑i=1N(xi−x¯)(xi−x¯)TΛ+Nκ0κ0+N(x¯−μ0)(x¯−μ0)TΛ)=tr((W0−1+∑i=1N(xi−x¯)(xi−x¯)T+Nκ0κ0+N(x¯−μ0)(x¯−μ0)T)Λ).

यदि हम सभी को एक साथ रखते हैं, तो हम हमारे पास यह संभावना है कि संभावना से पहले का बराबर हो S=∑i=1N(xi−x¯)(xi−x¯)T×

|Λ|1/2exp⁡{−κ0+N2(μ−κ0μ+Nx¯κ0+N)TΛ(μ−κ0μ+Nx¯κ0+N)}×|Λ|(ν0+N−D−1)/2exp⁡{−12tr((W0−1+S+Nκ0κ0+N(x¯−μ0)(x¯−μ0)T)Λ)},
आवश्यकतानुसार।
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.