Powiedz, że mam następujący model:
I wywnioskowałem, że tylne dla i pokazano poniżej z moich danych. Czy istnieje bayesowski sposób stwierdzenia (lub określenia ilościowego), czy i są takie same czy różne ?
Być może pomiar prawdopodobieństwa, że różni się od ? A może używając rozbieżności KL?
Na przykład, jak mogę zmierzyć , a przynajmniej ?
Zasadniczo, gdy masz poniżej pokazane plakaty (załóż wszędzie niezerowe wartości PDF dla obu), co jest dobrym sposobem na odpowiedź na to pytanie?
Aktualizacja
Wydaje się, że na to pytanie można odpowiedzieć na dwa sposoby:
Jeśli mamy próbki tylnych, możemy spojrzeć na ułamek próbek, w których (lub równoważnie ). @ Cam.Davidson.Pilon zawiera odpowiedź, która rozwiązałaby ten problem za pomocą takich próbek.
Łącząc jakąś różnicę z tylnych stron. I to jest ważna część mojego pytania. Jak wyglądałaby ta integracja? Prawdopodobnie metoda próbkowania przybliżyłaby tę całkę, ale chciałbym poznać jej sformułowanie.
Uwaga: powyższe wykresy pochodzą z tego materiału .
źródło
Odpowiedzi:
Wydaje mi się, że lepszym pytaniem jest to, czy różnią się znacznie?
Aby odpowiedzieć na to pytanie, musimy obliczyć . Nazwij tę liczbę p . Jeśli p ≈ 0,50 , istnieje równa szansa, że jedna jest większa od drugiej. Z drugiej strony, jeśli p jest naprawdę bliskie 1, to możemy być pewni, że tak λ 2 jest większy (czytaj: inny) niż λ 1 .P(λ2>λ1) p p≈0.50 p λ2 λ1
Jak obliczyć ? Jest to banalne w ramach Bayesian MCMC. Mamy próbki z tyłu, więc po prostu obliczmy chace, że próbki z λ 2 są większe niż λ 1 :p λ2 λ1
Przepraszam, że nie zawarłem tego w książce, na pewno dodam go, ponieważ uważam, że jest to jeden z najbardziej użytecznych pomysłów w wnioskowaniu bayesowskim
źródło
np.mean( lambda_2_samples != lambda_1_samples)
źródło