后验分布
# 后验分布
一句话定义
后验分布是在看到样本数据后,对未知参数更新得到的概率分布。
解决什么问题
它把先验信息和样本证据合并,用一个分布表达参数的不确定性。
公式
$$ \pi(\theta|x)\propto L(\theta|x)\pi(\theta) $$
典型场景
- 估计转化率的后验分布。
- 给模型参数构造可信区间。
- 基于后验分布进行预测或决策。
和本实验室方向的关系
后验分布是 Bayes 不确定性量化的核心,可用于模型参数、风险指标和预测结果的不确定性表达。
交流时可以怎么说
后验分布是先验经过样本似然更新后的结果,它不仅给出一个估计值,还保留了参数不确定性。
可以追问老师/同学的问题
- 这个后验分布是否有闭式形式?
- 能否用共轭先验简化计算?
- 后验可信区间和频率学派置信区间如何区分?
给 AI 的高质量提示词
请写出这个问题的似然、先验和后验分布,并解释后验分布如何更新参数不确定性。
关联
反向链接
Bayes估计先验分布
共轭先验
后验均值
统计推断核心概念索引