一道有關極大似然估計和貝葉斯估計的題目
本文地址:blog.lucien.ink/archives/500
0. 題目
數據 x1,…,xn 來自正態分佈 N(μ,σ2),其中 σ2 已知。
- 根據樣本 x1,…,xn 寫出 μ 的極大似然估計。
- 假設 μ 的先驗分佈是正態分佈 N(0,τ2),根據樣本 x1,…,xn 寫出 μ 的貝葉斯估計。
1. 極大似然估計
正態分佈概率密度函數爲 f(x)=σ2π1e−2σ2(x−μ)2,則
L(μ)=i=1∏nf(xi)=(σ2π1)n⋅e−2σ21i=1∑n(xi−μ)2∝−2σ21i=1∑n(xi−μ)2
則有 ∂μ∂[−2σ21i=1∑n(xi−μ)2]=2σ21i=1∑n2⋅(xi−μ)=σ21i=1∑n(xi−μ)
令 σ21i=1∑n(xi−μ)=0
得 μ=ni=1∑nxi=xˉ
2. 貝葉斯估計
大佬說這一問嚴格來講是求最大後驗概率估計
P(μ)=τ2π1e−2τ2μ2
P(μ∣x1,…,xn)=P(x1,…,xn)P(μ)⋅P(x1,…,xn∣μ)=∫P(μ,x1,…,xn)dμP(μ)⋅i=1∏nP(xi∣μ)∝P(μ)⋅i=1∏nP(xi∣μ)=τ2π1⋅e−2τ2μ2⋅(σ2π1)n⋅e−2σ21i=1∑n(xi−μ)2
取對數得 ln(τ2π1⋅e−2τ2μ2⋅(σ2π1)n⋅e−2σ21i=1∑n(xi−μ)2)=lnτ2π1−2τ2μ2+n⋅lnσ2π1−2σ21i=1∑n(xi−μ)2∝−2τ2μ2−2σ21i=1∑n(xi−μ)2
則有 ∂μ∂[−2τ2μ2−2σ21i=1∑n(xi−μ)2]=−τ2μ+σ21i=1∑n(xi−μ)
令 −τ2μ+σ21i=1∑n(xi−μ)=0
則有 σ21i=1∑nxi−σ2nμ=τ2μ⇒σ21i=1∑nxi=(τ21+σ2n)⋅μ=τ2σ2σ2+nτ2μ
得 μ=σ2+nτ2τ2i=1∑nxi=τ2σ2+ni=1∑nxi
3. 疑問與解答
3.1 μ 是個參數,爲什麼會有分佈函數
考慮這樣一種情況,總共有 1000 個隨機數字,每次有放回從中抽出 10 個數字,抽 100 次,就有 100 個 μ,這些 μ 服從同一種且擁有相同參數的分佈。
3.2 如何理解 P(x1,⋯,xn∣μ) 和 P(μ∣x1,⋯,xn) 裏 μ 所表達的含義
μ 取某個值發生的概率。