共轭方式怎么判断_如何通俗的理解共轭先验与贝叶斯推断

大多数学校的统计学悲剧在于它是多么愚蠢。老师们花费数小时来研究导数，方程式和定理，当您最终达到最佳效果时(将概念应用于实际数字)，就会出现一些无关紧要，没有想象力的示例，例如掷骰子。遗憾的是，如果您跳过推导(您可能永远不需要)，而专注于使用这些想法来解决有趣的问题，那么统计数据就很有趣。

共轭先验：能在贝叶斯推断中，以优雅的方式解决计算量与最优化问题。

1.什么是先验？

先验概率是我们看到数据之前事件的概率(主观概率)。

在上一篇文章中：贝叶斯推理，先验是我们在新数据可用之前根据我们现在所知道的对概率的猜测。jinzhao：如何深刻理解贝叶斯推理？​zhuanlan.zhihu.com

2.什么是共轭先验？

不知道贝叶斯推断就无法理解共轭先验！ 为什么这么说呢？

在本博客的其余部分中，我假设您了解先验，样本(数据data)和后验的概念。

本质上共轭先验：

对于某些似然函数(likehood)，如果您选择某个先验，后验的分布与先验的分布相同。这样的先验被称为共轭先验。

通过示例始终可以最好地理解它。下面的代码用于计算二项式似然的后验。θ是成功的概率，我们的目标是选择使后验概率最大的θ。

import numpy as np

import scipy.stats as stats

success_prob = 0.3

data = np.random.binomial(n=1, p=success_prob, size&#