S*****o 发帖数: 715 | 1 在bayes的框架下,假设Theta是参数集合,xi是Theta上的一个measure,x是
observation, p_theta(x)是likelihood. for some sub-interval Theta_kin Theta
我想要bound xi(Theta_k|x):
xi(Theta_k|x)=frac{int_{Theta_k}p_theta(x)dxi(theta)} {int_{
Theta}p_theta(x)dxi(theta)}
就需要假设p_theta(x) <= C int_Theta p_theta(x) dxi(theta)
直观上就是说在合适的theta上放的mass不能太小,但这个条件在literature里似乎没
有见过讨论,不知道是不是一个很强的条件 | t********y 发帖数: 166 | | K*****2 发帖数: 9308 | 3 你是要upper还是lower bound?
upper bound不就是1么
【在 S*****o 的大作中提到】 : 在bayes的框架下,假设Theta是参数集合,xi是Theta上的一个measure,x是 : observation, p_theta(x)是likelihood. for some sub-interval Theta_kin Theta : 我想要bound xi(Theta_k|x): : xi(Theta_k|x)=frac{int_{Theta_k}p_theta(x)dxi(theta)} {int_{ : Theta}p_theta(x)dxi(theta)} : 就需要假设p_theta(x) <= C int_Theta p_theta(x) dxi(theta) : 直观上就是说在合适的theta上放的mass不能太小,但这个条件在literature里似乎没 : 有见过讨论,不知道是不是一个很强的条件
| l******r 发帖数: 18699 | 4 他可能说的是lower bound,先验以大于零概率在参数集上 搞统计的数学不好说不清楚
【在 K*****2 的大作中提到】 : 你是要upper还是lower bound? : upper bound不就是1么
|
|