b********n
发帖数: 1651 | 1 我是统计还没入门的菜鸟，麻烦大家能否帮助用中文分别解释下Bayesian；Bayesian
nonparametic;Bayesian interence这三个是用来干什么的，有什么用，还有实际应用
是什么 (麻烦用high level容易懂的方式解释）。
多谢大家了！ | f******e
发帖数: 541 | | w*******9
发帖数: 1433 | 3 其实google一下就会有很多信息。我这给一个茶馆闲聊级别的解释。
Bayesian: 在经典的参数估计里，参数(比如A)被当成一个固定的数，一般用极大似然
来估计；Bayesian的起源是想利用已有的信息(prior information)结合观察到的数据
得到"更“准确的信息。比如在你观察数据前就知道A大概位于3-4之间，那么有理由相
信这个prior information会使得你的估计更精确。具体到实现上，就是你得假设A是个
随机变量并且服从某个分布，比如[3,4]上的均匀分布，在结合数据的conditional
likelihood, 可以算出A的posterior分布。从统计上来讲，你知道了A的分布，你就知
道了A的一切信息。比如可以用posterior distribution的mode or mean作为A的点估计
，也可进一步根据quantile得到credible interval。
Non-parametric Bayesian: 我的理解是在A是个函数时(比如A就是个未知的分布函数),
这时我们要指定这个函数是怎么分布的(比如我提出这个随机函数可能取值于某个大的
函数集合，并且以某种概率取某个特定的函数)，这比指定一个随机变量怎么分布要难
的多。比较有名的Dirichlet Process就是一个经常用的prior distribution.
Bayesian Inference: 就是利用Bayesian的方法来做统计推断吧。
Bayesian有很多用途而且感觉会越来越重要。但是它比较不令人喜欢的是地方时设定的
prior distribution往往并不能真正反应人的主观感觉(?)，所以很多是后过于随便或
者纯粹为了技术上的方便(比如conjugate prior), 或者像Dirichlet process这样的
prior并不多，很难justify为什么要选这个prior.
另外Empirical Bayesian，MCMC也是对于学习Bayesian的人来说必经的入门科目。都很
简单。 | b********n
发帖数: 1651 | 4 真是好心人啊，解释的很清楚，太感谢了！
),
【在 w*******9 的大作中提到】
: 其实google一下就会有很多信息。我这给一个茶馆闲聊级别的解释。
: Bayesian: 在经典的参数估计里，参数(比如A)被当成一个固定的数，一般用极大似然
: 来估计；Bayesian的起源是想利用已有的信息(prior information)结合观察到的数据
: 得到"更“准确的信息。比如在你观察数据前就知道A大概位于3-4之间，那么有理由相
: 信这个prior information会使得你的估计更精确。具体到实现上，就是你得假设A是个
: 随机变量并且服从某个分布，比如[3,4]上的均匀分布，在结合数据的conditional
: likelihood, 可以算出A的posterior分布。从统计上来讲，你知道了A的分布，你就知
: 道了A的一切信息。比如可以用posterior distribution的mode or mean作为A的点估计
: ，也可进一步根据quantile得到credible interval。
: Non-parametric Bayesian: 我的理解是在A是个函数时(比如A就是个未知的分布函数),
|
|
