Python 基于MCMC方法的头部概率估计
我试图学习贝叶斯参数估计，并在教程1和2上找到了一些非常好的教程。为了验证我的理解，我正在尝试实现MCMC方法来估计基于给定数据集获得head的概率。输入数据集有8个正反面。假设先验服从Beta2,2，则从分析角度来看，获得水头的概率=8+2/10+2+2=0.71。然而，当我尝试使用metropolis hastings算法时，我得到了非常不同的答案。有人能在这里检查我的实现并解释我遗漏了什么吗Python 基于MCMC方法的头部概率估计,python,parameters,bayesian,mcmc,Python,Parameters,Bayesian,Mcmc,我试图学习贝叶斯参数估计，并在教程1和2上找到了一些非常好的教程。为了验证我的理解，我正在尝试实现MCMC方法来估计基于给定数据集获得head的概率。输入数据集有8个正反面。假设先验服从Beta2,2，则从分析角度来看，获得水头的概率=8+2/10+2+2=0.71。然而，当我尝试使用metropolis hastings算法时，我得到了非常不同的答案。有人能在这里检查我的实现并解释我遗漏了什么吗 我想你的答案是0.717147231334，这不是问题。即使你的分析答案是0.71，它也可能有点不
我想你的答案是0.717147231334，这不是问题。即使你的分析答案是0.71，它也可能有点不同
实际上，解析答案0.71是后验分布的后验平均值，你的答案是它的样本平均值的数值近似值 那是一道数学题吗？请在您的问题中发布相关代码，而不是外部链接