正态逆威沙特分布NIW

在研究变点模型时，假设每个区组内的队列观测都独立同分布于该区组的正态分布（每个区组内的正态参数可能不同，用omega存储所有区组的正态参数）。

如：共有10个队列，分为3个区组，变点位置Q1=3,Q2=8,则队列1,2属于区组1，队列3-7属于区组2，队列8-10属于区组3——x1,x2 iid服从于N(mu1,var1),x3-x7 iid服从于N(mu2,var2), x8-x10 iid服从于N(mu3,var3)。

使用贝叶斯框架来分析：
omega的先验分布：(mu_j,var_j) iid~NIW(mu0,lambda0,a,b)
由于(mu_j,var_j)是一元正态参数，NIW分布退化为正态-逆伽马分布。不过这里先不论，用NIW也没错。
则：p(omega)=p(mu1,var1,mu2,var2,mu3,var3)=p(mu1,var1)*p(mu2,var2)*p(mu3,var3)=NIW(mu1,var1|mu0,lambda0,a,b)NIW(mu2,var2|mu0,lambda0,a,b)NIW(mu3,var3|mu0,lambda0,a,b)
注：这里的NIW(mu1,var1|mu0,lambda0,a,b)指的是以mu0,lambda0,a,b为参数的NIW分布在mu1,var上的概率密度，R代码为：

library(LaplacesDemon)
dnorminvwishart(mu, mu0, lambda0, var, b, a, log=FALSE) 

下面是对正态逆威沙特分布的介绍：
对于多元正态分布N(mu，Sigma),正态逆威沙特分布是其共轭先验：
mu为3维参数向量
Sigma为协方差阵
Sigma~InvWishart(nu,S)
mu|Sigma~N(mu0,Sigma/lambda0)
则：
p(mu,Sigma)=p(mu|Sigma)p(Sigma)=dnorm(mu0,Sigma/lambda0)*diwish(nu,S)
(mu,Sigma)~NIW(mu0,lambda0,nu,S)
记观测数据为x=(x1,x2,…,xn),xi为第3维观测数据，则：
(mu,Sigma|x)~NIW(mu’,lambda’,nu’,S’)
（下图中mu_n=mu’
lambda_n=lambda’
nu_n=nu’
Phi_n=S’）

参考：https://en.wikipedia.org/wiki/Normal-inverse-Wishart_distribution#Posterior_distribution_of_the_parameters