मैं एक इंट्रो टू बेयस कोर्स ले रहा हूं और मुझे भविष्यवाणियों के वितरण को समझने में कुछ कठिनाई हो रही है। मैं समझता हूं कि वे क्यों उपयोगी हैं और मैं परिभाषा से परिचित हूं, लेकिन कुछ चीजें हैं जो मुझे समझ में नहीं आती हैं।
1) नई टिप्पणियों के वेक्टर के लिए सही भविष्य कहनेवाला वितरण कैसे प्राप्त करें
मान लीजिए कि हमने डेटा और एक पूर्व लिए एक नमूना मॉडल बनाया है । मान लें कि अवलोकन सशर्त रूप से स्वतंत्र दिए गए ।
हमने कुछ डेटा , और हम अपने पूर्व को पश्च से अपडेट करते हैं। ।
अगर हम नए अवलोकनों , I की भविष्यवाणी करना चाहते थे। सोचें कि हमें इस सूत्र p (\ mathcal {N} | \ mathcal {D}) = \ int p (\ theta | \ mathcal {D}) p (\ mathcal {N}} \ _ta) का उपयोग करके उत्तरवर्ती पूर्वानुमान प्राप्त करने का प्रयास करना चाहिए। ) \ _, \ mathrm {d} \ theta = \ int p (\ theta | \ mathcal {D}) \ prod_ {i = 1} ^ np (\ tilde {y} _i | \ theta) \, \ mathrm {d } \ थीटा, जो \ _ \ _ = i = 1} के बराबर नहीं है , n \ int p (\ ata। \ mathcal {D}) p (\ tilde {y} _i | \ theta) \, \ mathr {d} \ थीटा, इसलिए अनुमानित प्रेक्षण स्वतंत्र नहीं हैं, है ना?
ऐसा कहो किएक निश्चित लिए Beta ( ) और Binomial ( ) । इस मामले में, यदि मैं 6 नए का अनुकरण करना चाहता था , अगर मैं इसे सही ढंग से समझता हूं, तो बीटा-द्विपद वितरण से स्वतंत्र रूप से 6 ड्रॉ का अनुकरण करना गलत होगा जो एक एकल अवलोकन के लिए पूर्ववर्ती पूर्वानुमान से मेल खाती है। क्या ये सही है? मुझे नहीं पता कि कैसे व्याख्या की जाए कि प्रेक्षण स्वतंत्र रूप से स्वतंत्र नहीं हैं, और मुझे यकीन नहीं है कि मैं इसे सही ढंग से समझता हूं।
पश्चवर्ती भविष्यवाणियों से अनुकरण
कई बार जब हम पूर्ववर्ती पूर्वानुमान से डेटा का अनुकरण करते हैं तो हम इस योजना का पालन करते हैं:
के लिए 1 से :
1) से नमूना ।
2) फिर से नया डेटा अनुकरण करें ।
मुझे यह पता नहीं है कि यह योजना कैसे काम करती है, यह साबित करना है, हालांकि यह सहज है। इसके अलावा, क्या इसका कोई नाम है? मैंने एक औचित्य देखने की कोशिश की और मैंने अलग-अलग नामों की कोशिश की, लेकिन मेरी कोई किस्मत नहीं थी।
धन्यवाद!