R语言中，如何用Metropolis-Hastings算法进行贝叶斯回归估计？
- 内容介绍
- 文章标签
- 相关推荐
本文共计3399个文字，预计阅读时间需要14分钟。
MCMC是一种从复杂概率模型中采样通用技术。包括蒙特卡洛方法、马尔可夫链蒙特卡洛（Metropolis-Hastings）算法等。问题：若需要计算有复杂后验pdf（p(θ|y)）的随机变量θ的函数f(θ)的均值或期望值，您可能需要使用MCMC方法。
MCMC是从复杂概率模型中采样的通用技术。
- 蒙特卡洛
- 马尔可夫链
- Metropolis-Hastings算法。
问题
如果需要计算有复杂后验pdf p（θ| y）的随机变量θ的函数f（θ）的平均值或期望值。
您可能需要计算后验概率分布p（θ）的最大值。
解决期望值的一种方法是从p（θ）绘制N个随机样本，当N足够大时，我们可以通过以下公式逼近期望值或最大值
将相同的策略应用于通过从p（θ| y）采样并取样本集中的最大值来找到argmaxp（θ| y）。
本文共计3399个文字，预计阅读时间需要14分钟。
MCMC是一种从复杂概率模型中采样通用技术。包括蒙特卡洛方法、马尔可夫链蒙特卡洛（Metropolis-Hastings）算法等。问题：若需要计算有复杂后验pdf（p(θ|y)）的随机变量θ的函数f(θ)的均值或期望值，您可能需要使用MCMC方法。
MCMC是从复杂概率模型中采样的通用技术。
- 蒙特卡洛
- 马尔可夫链
- Metropolis-Hastings算法。
问题
如果需要计算有复杂后验pdf p（θ| y）的随机变量θ的函数f（θ）的平均值或期望值。
您可能需要计算后验概率分布p（θ）的最大值。
解决期望值的一种方法是从p（θ）绘制N个随机样本，当N足够大时，我们可以通过以下公式逼近期望值或最大值
将相同的策略应用于通过从p（θ| y）采样并取样本集中的最大值来找到argmaxp（θ| y）。