베이 즈 정리에서 상수 정규화

15

나는 Bayes 규칙에서 분모 $\Pr(\textrm{data})$ 의

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

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

정규화 상수 라고합니다 . 정확히 무엇입니까? 그 목적은 무엇입니까? 왜 처럼 보 $\Pr(data)$ 입니까? 왜 매개 변수에 의존하지 않습니까?

probability bayesian

— 아마추어
소스

4

당신이 통합 할 경우

, 당신은 매개 변수를 통해 통합하고 결과 때문에 같은 방법으로 매개 변수에 따라 어떤 용어를 가지고하지 않는다고

f (data | params) f (params)

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

는

의존하지 않습니다.

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

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

x

$x$

— 헨리

16

분모 는 결합 확률 에서 모수를 통합하여 구합니다. $\Pr(\textrm{data})$ . 이것은데이터의한계 확률이며물론 통합되어 있기 때문에 매개 변수에 의존하지 않습니다. $\Pr(\textrm{data}, \textrm{parameters})$

이제부터 :

하나는 종종 다음과 같은 Baye 공식의 적응을 사용합니다.

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

기본적으로 은 "정규화 상수", 즉 사후 밀도가 하나에 통합되도록 하는 상수입니다 . $\Pr(\textrm{data})$

— 옥람
소스

2

" 매개 변수 를 통합 하여"란 정확히 무엇을 의미 합니까? 이 문맥에서 "통합"의 정확한 의미는 무엇입니까?

— nbro

2

@nbro : Pr (data) = Pr (data, parameters)의 매개 변수에 대해 적분을 의미합니다.

— ocram

2

베이 즈의 규칙을 적용 할 때, 우리는 일반적으로 "매개 변수"를 추론하고 "데이터"는 이미 주어진다. 따라서 는 상수이며 정규화 요소라고 가정 할 수 있습니다. $\Pr(\textrm{data})$

— 거친
소스