Question

我是贝叶斯统计数据的新手，我正在尝试估算Python中泊松（似然）和伽马分布（先验）的后验。我试图估计的参数是泊松分布中的lambda变量。我认为后验将采用伽玛分布的形式（共轭先验？）但我不想利用它。我唯一给出的是数据（名为“my_data”）。这是我的代码：

ControlCollection

当我尝试绘制后部时，我得到一个空的情节。我绘制了先验，它看起来很好，所以我认为问题是可能性。我拿了日志，因为数据相当大，我不想让事情变得不稳定。任何人都可以在我的代码中指出问题吗？任何帮助将不胜感激。

Answer 1

在贝叶斯统计中，一个目标是计算给定数据的参数（lambda）的后验分布，并在λ的可能值范围之前计算先验。在您的代码中，您计算数组x的先验值，但是您为lambda采用单个值来计算可能性。后验和可能性也应该超过x，例如：

posterior = [likelihood(my_data, lambda_i) for lambda_i in x] * prior

（假设您没有记录先前和可能的日志）

您可能需要查看PyMC3库。

Answer 2

我建议你看一下conjugate_prior模块。

你可以输入：

from conjugate_prior import GammaPoisson
model = GammaPoisson(prior_a, prior_b)
model = model.update(...)
credible_interval = model.posterior(lower_bound, upper_bound)

估计Python中的后验？

2 个答案: