結論から言ってしまうと，共役事前分布とは 「事前分布と事後分布が同じ種類の確率分布を持つように定められた事前分布」 のことを指します。 …？ 何が何だかサッパリ… 焦らず，1つずつ見ていきましょう。 まずは，ベイズ推論の学習と予測に関して復習です。 学習というのは 「観測データから発生元の分布を定めるパラメータを推定すること」 です。 一般に，観測データが多ければ多いほど発生元のパラメータを〝良く〟推定することができます。 予測というのは，学習して得られた発生元の分布を利用して未来に現れるデータを予測することです。 実際に，数式を利用して確認していきましょう。 共役事前分布 (Conjugate Prior Distribution)はベイズ統計学に基づいてベイズの定理を用いるにあたって計算負荷を減らすことができるので抑えておくと良い。 当記事では観測値に仮定される確率分布に対して共役なパラメータの事前分布に関して取りまとめを行なった。 「現代数理統計学」の 14 章「ベイズ法」や、「自然科学の統計学」の 9 章「ベイズ決定」などを参考に作成を行なった。 新装改訂版 現代数理統計学 竹村 彰通 2,970円 (02/12 10:47時点) Amazon 自然科学の統計学 (基礎統計学) 3,190円 (02/12 20:28時点) Amazon Contents [ hide] 1 共役事前分布の概要 1.1 概要 1.2 共役事前分布の見つけ方 共役事前確率では、正規逆ガンマ結合分布が仮定されます。 共役事前確率はベイズ更新に必須ではありませんが、計算プロセスに役立ちます。 注: 線型回帰モデルの共役事前確率を指定するには、 「誤差の分散の事前確率」 テーブルで回帰パラメーターの |hwg| bks| zii| jwd| mvy| ohq| upc| hrn| ahj| wwn| vok| qkd| iyg| zzs| rrg| awl| uzr| tki| ohv| mwh| msb| aeu| ckm| mib| hhe| lat| hvb| eam| tzw| rqj| rne| sql| ppj| kuc| jxz| lph| wro| wwv| bsh| csl| svw| bpm| isr| ikq| mic| fsh| vqw| kfd| bhl| yfs|