온 위키 문서 라플라스 평활화 (또는 첨가제 평)의 특징이되는 볼 베이지안 점에서,
이는 사전에 모수 를 갖는 대칭 Dirichlet 분포를 사용하여 사후 분포의 예상 값에 해당합니다 .
나는 그것이 실제로 어떻게 사실인지 의아해합니다. 누군가 그 두 가지가 어떻게 동등한 지 이해하도록 도울 수 있습니까?
감사!
온 위키 문서 라플라스 평활화 (또는 첨가제 평)의 특징이되는 볼 베이지안 점에서,
이는 사전에 모수 를 갖는 대칭 Dirichlet 분포를 사용하여 사후 분포의 예상 값에 해당합니다 .
나는 그것이 실제로 어떻게 사실인지 의아해합니다. 누군가 그 두 가지가 어떻게 동등한 지 이해하도록 도울 수 있습니까?
감사!
답변:
확실한. 이것은 본질적으로 Dirichlet 분포가 다항 분포에 대한 공역 체라는 관찰입니다 . 이것은 기능적인 형태가 동일하다는 것을 의미합니다. 이 기사에서는 언급하지만 다항식 샘플링 모델에서 나온 것임을 강조하겠습니다. 그래서 내려가는 중 ...
관찰 결과는 사후에 관한 것이므로 개의 고유 한 항목의 개수 인 데이터를 소개하겠습니다 . 우리는 총 샘플을 관찰 합니다. 우리는 가 알 수없는 분포 ( -simplex 앞에 넣을 것임) 에서 추출 되었다고 가정 합니다.
및 데이터 가 주어진 의 사후 확률 은
가능성 는 다항 분포입니다. 이제 pdf 파일을 작성해 봅시다 :
과
여기서 입니다. 곱하면
다시 말해, 후자는 또한 디리클레입니다. 문제는 사후 평균에 관한 것이었다. 후방은 디리클레을하기 때문에, 우리가 적용 할 수 디리클레의 평균에 대한 공식을 것을 찾기 위해,
도움이 되었기를 바랍니다!
부수적으로, 나는 또한 위의 파생물에 또 다른 요점을 추가하고 싶습니다.이 질문은 실제로 주요 질문과 관련이 없습니다. 그러나 다항 분포에 대한 Dirichlet의 이전 이야기에 대해, 확률을 성가심 변수로 사용한다면 우도 함수의 형태가 무엇인지 언급 할 가치가 있다고 생각했습니다.
sydeulissie가 올바르게 지적했듯이 는 비례합니다 . 이제 계산하고 싶습니다 .
감마 함수에 적분 항등을 사용하면 다음과 .
범주 형 데이터에 대한 상기 가능성의 도출은 샘플 크기 이 충분히 크지 않은 경우에이 데이터를 처리하는보다 강력한 방법을 제안한다 .