使用MCMC方法估计头部的概率

Question

我正在尝试了解贝叶斯参数估计，并发现了一些非常好的教程here（教程1和2）。只是为了测试我的理解，我试图实现MCMC方法来估计基于给定数据集获得头部的概率。输入数据集有8个头和2个尾部。假设先前遵循Beta（2,2），则分析得到头部的概率=（8 + 2）/（10 + 2 + 2）= 0.71。然而，当我尝试使用metropolis-hastings算法时，我得到了非常不同的答案。任何人都可以在这里查看我的实施并解释我缺少的内容

http://nbviewer.ipython.org/github/ragrawal/meetup/blob/master/notebook/MCMC.ipynb

Answer 1

我认为你的答案是0.717147231334，这不是问题。即使您有分析答案0.71，它也可能有点不同。

实际上，分析答案0.71是后验分布的后验均值，你的答案是它的数值近似（样本均值）。