题目33
如3.5.2节的例子3.5.2.5,假定读者认为硬币正面向上的先验观点可以用[0,1]的均匀密度来表示,现在反复地转动硬币,并记录下转动次数
N
N
N,直到正面向上为止。因此如果在第一次转动时正面就向上则
N
=
1
N=1
N=1,等等。
a.计算给定
N
时
Θ
N时\Theta
N时Θ的后验密度
b.用一枚新造的硬币重新试验,作出后验密度的图形
解题思路
参考本题中提到的例子3.5.2.5
Θ
\Theta
Θ的先验概率为
f
Θ
(
θ
)
=
1
f_\Theta(\theta)=1
fΘ(θ)=1
给定
θ
,
N
\theta,N
θ,N服从成功概率为
θ
\theta
θ的几何分布:
f
N
∣
Θ
(
n
∣
θ
)
=
(
1
−
θ
)
n
θ
f_{N|\Theta}(n|\theta)=(1-\theta)^n\theta
fN∣Θ(n∣θ)=(1−θ)nθ
现在
Θ
\Theta
Θ是连续的,
N
N
N是离散的,它分具有联合概率分布:
f
Θ
,
N
(
θ
,
n
)
=
f
N
∣
Θ
(
n
∣
θ
)
f
Θ
(
θ
)
=
f
N
∣
Θ
(
n
∣
θ
)
=
(
1
−
θ
)
n
θ
f_{\Theta,N}(\theta,n)=f_{N|\Theta}(n|\theta)f_\Theta(\theta)=f_{N|\Theta}(n|\theta)=(1-\theta)^n\theta
fΘ,N(θ,n)=fN∣Θ(n∣θ)fΘ(θ)=fN∣Θ(n∣θ)=(1−θ)nθ
计算
N
N
N的边际密度
f
N
(
n
)
=
∫
0
1
f
Θ
,
N
(
θ
,
n
)
d
θ
=
∫
0
1
(
1
−
θ
)
n
θ
d
θ
f_N(n)=\int_0^1f_{\Theta,N}(\theta,n)d\theta=\int_0^1(1-\theta)^n\theta d\theta
fN(n)=∫01fΘ,N(θ,n)dθ=∫01(1−θ)nθdθ
下边是
f
N
(
n
)
f_N(n)
fN(n)积分过程:
f
N
(
n
)
=
∫
0
1
f
Θ
,
N
(
θ
,
n
)
d
θ
=
∫
0
1
(
1
−
θ
)
n
θ
d
θ
=
∫
0
1
(
θ
−
1
)
(
1
−
θ
)
n
−
1
d
θ
+
∫
0
1
(
1
−
θ
)
n
−
1
d
θ
=
−
∫
0
1
(
1
−
θ
)
(
1
−
θ
)
n
−
1
d
θ
+
∫
0
1
(
1
−
θ
)
n
−
1
d
θ
=
−
∫
0
1
(
1
−
θ
)
n
d
θ
+
∫
0
1
(
1
−
θ
)
n
−
1
d
θ
=
−
−
∫
0
1
(
1
−
θ
)
n
d
(
1
−
θ
)
+
−
∫
0
1
(
1
−
θ
)
n
−
1
d
(
1
−
θ
)
=
∫
0
1
(
1
−
θ
)
n
d
(
1
−
θ
)
−
∫
0
1
(
1
−
θ
)
n
−
1
d
(
1
−
θ
)
=
[
(
1
−
θ
)
n
+
1
n
+
1
−
(
1
−
θ
)
n
n
]
0
1
=
1
n
(
n
+
1
)
\begin{aligned} f_N(n)&=\int_0^1f_{\Theta,N}(\theta,n)d\theta\\ &=\int_0^1(1-\theta)^n\theta d\theta\\ &=\int_0^1(\theta-1)(1-\theta)^{n-1}d\theta+\int_0^1(1-\theta)^{n-1}d\theta\\ &=-\int_0^1(1-\theta)(1-\theta)^{n-1}d\theta+\int_0^1(1-\theta)^{n-1}d\theta\\ &=-\int_0^1(1-\theta)^{n}d\theta+\int_0^1(1-\theta)^{n-1}d\theta\\ &=--\int_0^1(1-\theta)^nd(1-\theta)+-\int_0^1(1-\theta)^{n-1}d(1-\theta)\\ &=\int_0^1(1-\theta)^nd(1-\theta)-\int_0^1(1-\theta)^{n-1}d(1-\theta)\\ &=\left [ \frac{(1-\theta)^{n+1}}{n+1} - \frac{(1-\theta)^n}{n} \right ]_0^1\\ &=\frac{1}{n(n+1)} \end{aligned}
fN(n)=∫01fΘ,N(θ,n)dθ=∫01(1−θ)nθdθ=∫01(θ−1)(1−θ)n−1dθ+∫01(1−θ)n−1dθ=−∫01(1−θ)(1−θ)n−1dθ+∫01(1−θ)n−1dθ=−∫01(1−θ)ndθ+∫01(1−θ)n−1dθ=−−∫01(1−θ)nd(1−θ)+−∫01(1−θ)n−1d(1−θ)=∫01(1−θ)nd(1−θ)−∫01(1−θ)n−1d(1−θ)=[n+1(1−θ)n+1−n(1−θ)n]01=n(n+1)1
根据条件概率公式:
f
Θ
∣
n
(
θ
∣
n
)
=
f
Θ
,
N
(
θ
∣
n
)
f
N
(
n
)
=
(
1
−
θ
)
n
θ
1
n
(
n
+
1
)
=
n
(
n
+
1
)
(
1
−
θ
)
n
θ
\begin{aligned} f_{\Theta|n}(\theta|n)&=\frac{f_{\Theta,N}(\theta|n)}{f_N(n)}\\ &=\frac{(1-\theta)^n\theta}{\frac{1}{n(n+1)}}\\ &=n(n+1)(1-\theta)^n\theta \end{aligned}
fΘ∣n(θ∣n)=fN(n)fΘ,N(θ∣n)=n(n+1)1(1−θ)nθ=n(n+1)(1−θ)nθ
a.小问最后答案:
n
(
n
+
1
)
(
1
−
θ
)
n
θ
n(n+1)(1-\theta)^n\theta
n(n+1)(1−θ)nθ
题目34
如3.5.2节的例子3.5.2.5,假定读者认为硬币正面向上的先验观点可以用[0,1]的均匀密度来表示,假定先验密度是参数为 a = b = 3 a=b=3 a=b=3的贝塔密度,这反映出有更强的先验观点认为出现1面的几率是 1 2 \frac12 21,做出先验密度图形,根据例子中的推导过程,计算后验密度,并作出它的图形且与例子中所示的后验密度相比较。
首先做出先验密度图形:
下面推导后验概率,为了避免与贝塔分布中的参与
a
,
b
a,b
a,b区分我们先令题目中的
a
,
b
a,b
a,b为
c
,
d
c,d
c,d都等于3
Θ
\Theta
Θ的先验概率为
f
Θ
(
θ
)
=
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
θ
i
−
1
(
1
−
θ
)
j
−
1
f_\Theta(\theta)=\frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\theta^{i-1}(1-\theta)^{j-1}
fΘ(θ)=Γ(i)Γ(j)Γ(i+j)θi−1(1−θ)j−1
给定
θ
,
N
\theta,N
θ,N服从成功概率为
θ
\theta
θ的二项分布:
f
X
∣
Θ
(
x
∣
θ
)
=
(
n
x
)
θ
x
(
1
−
θ
)
n
−
x
f_{X|\Theta}(x|\theta)={n\choose x}\theta^x(1-\theta)^{n-x}
fX∣Θ(x∣θ)=(xn)θx(1−θ)n−x
现在
Θ
\Theta
Θ是连续的,
N
N
N是离散的,它分具有联合概率分布:
f
Θ
,
X
(
θ
,
x
)
=
f
X
∣
Θ
(
x
∣
θ
)
f
Θ
(
θ
)
=
(
n
x
)
θ
x
(
1
−
θ
)
n
−
x
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
θ
i
−
1
(
1
−
θ
)
j
−
1
f_{\Theta,X}(\theta,x)=f_{X|\Theta}(x|\theta)f_\Theta(\theta)={n\choose x}\theta^x(1-\theta)^{n-x}\frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\theta^{i-1}(1-\theta)^{j-1}
fΘ,X(θ,x)=fX∣Θ(x∣θ)fΘ(θ)=(xn)θx(1−θ)n−xΓ(i)Γ(j)Γ(i+j)θi−1(1−θ)j−1
计算
N
N
N的边际密度
f
X
(
x
)
=
∫
0
1
f
Θ
,
X
(
θ
,
x
)
d
θ
f_X(x)=\int_0^1f_{\Theta,X}(\theta,x)d\theta
fX(x)=∫01fΘ,X(θ,x)dθ
下边是
f
X
(
x
)
f_X(x)
fX(x)积分过程:
f
X
(
x
)
=
∫
0
1
f
Θ
,
X
(
θ
,
x
)
d
θ
=
∫
0
1
(
n
x
)
θ
x
(
1
−
θ
)
n
−
x
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
θ
i
−
1
(
1
−
θ
)
j
−
1
=
(
n
x
)
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
∫
0
1
θ
x
(
1
−
θ
)
n
−
x
θ
i
−
1
(
1
−
θ
)
j
−
1
d
θ
=
(
n
x
)
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
∫
0
1
θ
x
+
i
−
1
(
1
−
θ
)
n
−
x
+
j
−
1
d
θ
其
中
:
∫
0
1
θ
x
+
i
−
1
(
1
−
θ
)
n
−
x
+
j
−
1
d
θ
=
Γ
(
x
+
i
)
Γ
(
n
−
x
+
j
)
Γ
(
x
+
i
+
n
−
x
+
j
)
则
:
f
X
(
x
)
=
(
n
x
)
⋅
Γ
(
i
+
j
)
Γ
(
i
)
Γ
(
j
)
⋅
Γ
(
x
+
i
)
Γ
(
n
−
x
+
j
)
Γ
(
x
+
i
+
n
−
x
+
j
)
计
算
:
f
θ
∣
X
(
θ
∣
x
)
=
f
Θ
,
X
(
θ
,
x
)
f
X
(
x
)
=
Γ
(
x
+
i
+
n
−
x
+
j
)
Γ
(
x
+
i
)
Γ
(
n
−
x
+
j
)
⋅
θ
x
+
i
−
1
(
1
−
θ
)
n
−
x
+
j
−
1
\begin{aligned} f_X(x)&=\int_0^1f_{\Theta,X}(\theta,x)d\theta\\ &=\int_0^1{n\choose x}\theta^x(1-\theta)^{n-x}\frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\theta^{i-1}(1-\theta)^{j-1}\\ &={n\choose x}\frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\int_0^1\theta^x(1-\theta)^{n-x}\theta^{i-1}(1-\theta)^{j-1}d\theta\\ &={n\choose x}\frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\int_0^1\theta^{x+i-1}(1-\theta)^{n-x+j-1}d\theta\\ 其中:\\ &\int_0^1\theta^{x+i-1}(1-\theta)^{n-x+j-1}d\theta=\frac{\Gamma(x+i)\Gamma(n-x+j)}{\Gamma(x+i+n-x+j)}\\ 则:\\ f_X(x)&={n\choose x}\cdot \frac{\Gamma(i+j)}{\Gamma(i)\Gamma(j)}\cdot\frac{\Gamma(x+i)\Gamma(n-x+j)}{\Gamma(x+i+n-x+j)}\\ 计算:\\ f_{\theta|X}(\theta|x)&=\frac{f_{\Theta,X}(\theta,x)}{f_X(x)}\\ &=\frac{\Gamma(x+i+n-x+j)}{\Gamma(x+i)\Gamma(n-x+j)}\cdot\theta^{x+i-1}(1-\theta)^{n-x+j-1} \end{aligned}
fX(x)其中:则:fX(x)计算:fθ∣X(θ∣x)=∫01fΘ,X(θ,x)dθ=∫01(xn)θx(1−θ)n−xΓ(i)Γ(j)Γ(i+j)θi−1(1−θ)j−1=(xn)Γ(i)Γ(j)Γ(i+j)∫01θx(1−θ)n−xθi−1(1−θ)j−1dθ=(xn)Γ(i)Γ(j)Γ(i+j)∫01θx+i−1(1−θ)n−x+j−1dθ∫01θx+i−1(1−θ)n−x+j−1dθ=Γ(x+i+n−x+j)Γ(x+i)Γ(n−x+j)=(xn)⋅Γ(i)Γ(j)Γ(i+j)⋅Γ(x+i+n−x+j)Γ(x+i)Γ(n−x+j)=fX(x)fΘ,X(θ,x)=Γ(x+i)Γ(n−x+j)Γ(x+i+n−x+j)⋅θx+i−1(1−θ)n−x+j−1
则本题的事后验密度满足a=x+i,b=n-x+j贝塔分布
根据题意$i=j=3,n=20,x=13 $做出后验分布图形
题目35
找一枚新造硬币,站立在边缘上转动20次,依照3.5.2节的例3.5.2.5。计算并绘出后验分布,再转动20次,并计算出40次转动结果的后验分布,当转动次数增加值有什么情况发生了。
解题思路
按要求转动硬币
n=20 正面为8次,n=40时,正面为19次
计算绘图
红色为n=20 蓝色为n=40,次数越多,越集中
以下解题过程都是由互联网收集而来,并不保证正确,如有疑问可以留言讨论