《贝叶斯方法:概率编程与贝叶斯推断》——1.7习题

简介:

本节书摘来异步社区《贝叶斯方法:概率编程与贝叶斯推断》一书中的第1章,第1.7节,作者:【加】Cameron Davidson-Pilon(卡梅隆 戴维森-皮隆),更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.7习题

1.利用 lambda_1_samples 和 lambda_2_samples,怎么获得参数λ1和λ2后验分布的平均值 ?

2.计算短信频率提升比例的期望值是多少。提示:需要计算 (lambda_2_samples-lambda_1_samples)/lambda_1_samples的均值。注意这个结果和(lambda_2_ samples.mean()-lambda_1_samples.mean())/ lambda_1_samples.mean()计算出来的结果是有很大区别的。

3.在τ小于45的前提下,计算λ1的均值。也就是说,在我们被告知行为的变化发生在第45天之前时,对λ1的期望会是多少? (不需要重复PyMC 那部分,只需要考虑当 tau_samples < 45时所有可能的情况。)

目录
打赏
0
0
0
0
1819
分享
相关文章
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
158 1
贝叶斯统计在Python数据分析中的高级技术点:贝叶斯推断、概率编程和马尔科夫链蒙特卡洛
《贝叶斯方法:概率编程与贝叶斯推断》——导读
贝叶斯方法是一种常用的推断方法,然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容,然后才会阐述什么是贝叶斯推断。不幸的是,由于大多数贝叶斯模型在数学上难以处理,这些书只会为读者展示简单、人造的例子。
1800 0
《贝叶斯方法:概率编程与贝叶斯推断》——导读
《贝叶斯方法:概率编程与贝叶斯推断》一导读
贝叶斯方法是一种常用的推断方法,然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容,然后才会阐述什么是贝叶斯推断。不幸的是,由于大多数贝叶斯模型在数学上难以处理,这些书只会为读者展示简单、人造的例子。
2315 0
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等