베이 즈 정리에 따르면 입니다. 그러나 내 계량 텍스트에 따르면 라고 말합니다 . 왜 이런가요? 가 무시되는 이유를 모르겠습니다 .P ( θ | Y ) α P ( Y | θ ) P ( θ ) P ( Y )
P(y|θ)P(θ)=P(θ|y)P(y)P(θ|y)∝P(y|θ)P(θ)
P(y)
답변
Pr(y)
의 한계 확률 “무시.”되지 단순히 일정합니다. 나누면 P r ( y | θ ) P ( θ ) 계산이 적절한 확률, 즉 [ 0 , 1 ] 간격 으로 측정되도록 “리 스케일링”하는 효과 가 있습니다 . 이 스케일링이없는 경우에도 여전히 유효한 상대 측정 값이지만 [ 0 , 1 ] 간격으로 제한되지는 않습니다 .
yPr(y)
Pr(y|θ)P(θ)
[0,1]
[0,1]
종종 “탈락”되어 있기 때문에 P의 R ( Y ) = ∫ P R ( Y | θ ) P R ( θ ) D θ는 평가하기 어려운 경우가 많습니다, 그리고 간접적으로 통합을 수행하는 것이 편리 충분하다 시뮬레이션을 통해.
Pr(y)Pr(y)=∫Pr(y|θ)Pr(θ)dθ
답변
그것을주의해라
의 밀도 계산에 관심이 있으므로이 매개 변수에 의존하지 않는 함수 ( 예 : P ( y )) 는 버릴 수 있습니다. 이것은 당신에게
θP(y)
를 버린 결과, 이제 밀도 P ( θ | y ) 는 θ 영역에서 1에 대한 적분과 같은 일부 특성을 잃어 버렸습니다 . 일반적으로 가능성 함수를 통합하는 데 관심이 없지만이를 최대화하는 데 관심이 있기 때문에 이는 큰 문제가 아닙니다. 그리고 함수를 최대화 할 때이 함수에 상수를 곱하면 (베이지안 접근에서는 데이터 y 가 고정됨 을 기억하십시오) 최대 점에 해당하는 θ 가 변경되지 않습니다 . 값을 변경합니다
P(y)P(θ|y)
θ
y
θ
최대 우도의 값을 갖지만 다시 한 번, 각 의 상대적 위치에 관심이 있습니다.
θ