Đa biến sau bình thường


18

Đây là một câu hỏi rất đơn giản nhưng tôi không thể tìm thấy đạo hàm ở bất cứ đâu trên internet hoặc trong một cuốn sách. Tôi muốn thấy sự xuất phát của cách một người Bayes cập nhật phân phối bình thường đa biến. Ví dụ: tưởng tượng rằng

P(x|μ,Σ)=N(μ,Σ)P(μ)=N(μ0,Σ0).

Sau khi quan sát một tập hợp , tôi muốn tính toán . Tôi biết rằng câu trả lời là trong đó P ( μ | x 1 . . . x n ) P ( μ | x 1 . . . x n )=N( μ n , Σ n )x1...xnP(μ|x1...xn)P(μ|x1...xn)=N(μn,Σn)

μn=Σ0(Σ0+1nΣ)1(1ni=1nxi)+1nΣ(Σ0+1nΣ)1μ0Σn=Σ0(Σ0+1nΣ)11nΣ

Tôi đang tìm kiếm đạo hàm của kết quả này với tất cả các đại số ma trận trung gian.

Bất kỳ sự giúp đỡ nào cũng được đánh giá cao.


2
Nó cũng được giải quyết trong cuốn sách Bayesian Core , Chap. 3, Mục 3.2, trang 54-57 với những gì chúng tôi nghĩ là đại số ma trận chi tiết!
Tây An

1
OP cho biết đây không phải là vấn đề bài tập về nhà và thậm chí còn giải thích lý do tại sao anh ấy hỏi nó và làm thế nào anh ấy muốn sử dụng câu trả lời. Tại sao không đăng nó cho người khác? Tôi hiểu lý do tại sao chúng tôi không muốn cung cấp dịch vụ giải quyết vấn đề bài tập về nhà nhưng điều này đang đưa nó đi quá xa.
Michael R. Chernick

3
@Alex: Xin lỗi, liên kết sai, ý tôi là Bayesian Core . Lưu ý rằng chúng tôi cũng đã đăng giải pháp cho tất cả các vấn đề trên arXiv . Vì vậy, đăng một giải pháp hoàn chỉnh ở đây sẽ không làm tổn thương!
Tây An

1
Tôi đã xóa một phần các bình luận có giá trị trao đổi riêng giữa các cá nhân với sự sắp xếp để chia sẻ một câu trả lời riêng cho câu hỏi. Đó là loại điều được lạm dụng trang web này, đó là tất cả về công câu hỏi và công câu trả lời.
whuber

1
Giống như một FYI, sự phát sinh nằm trong Phân loại mẫu của Duda, Hart và Cò. Tuy nhiên, tôi đã gặp khó khăn khi làm theo một số bước của họ chỉ quan trọng với tôi. Nếu đây chỉ đơn giản là bài tập về nhà, người ta có thể viết ra chính xác những gì họ có.
Alex

Câu trả lời:


6

Với các bản phân phối trên các vectơ ngẫu nhiên của chúng tôi:

xi|μN(μ,Σ)

μN(μ0,Σ0)

Theo quy tắc của Bayes, phân phối sau trông giống như:

p(μ|{xi})p(μ)i=1Np(xi|μ)

Vì thế:

lnp(μ|{xi})=12i=1N(xiμ)Σ1(xiμ)12(μμ0)Σ01(μμ0)+const

=12NμΣ1μ+i=1NμΣ1xi12μΣ01μ+μΣ01μ0+const

=12μ(NΣ1+Σ01)μ+μ(Σ01μ0+Σ1i=1Nxi)+const

=12(μ(NΣ1+Σ01)1(Σ01μ0+Σ1i=1Nxi))(NΣ1+Σ01)(μ(NΣ1+Σ01)1(Σ01μ0+Σ1i=1Nxi))+const

Mật độ log của Gaussian là gì:

μ|{xi}N((NΣ1+Σ01)1(Σ01μ0+Σ1i=1Nxi),(NΣ1+Σ01)1)

Sử dụng danh tính Woodbury trên biểu thức của chúng tôi cho ma trận hiệp phương sai:

(NΣ1+Σ01)1=Σ(1NΣ+Σ0)11NΣ0

Cung cấp ma trận hiệp phương sai ở dạng OP muốn. Sử dụng biểu thức này (và tính đối xứng của nó) hơn nữa trong biểu thức cho trung bình chúng ta có:

Σ(1NΣ+Σ0)11NΣ0Σ01μ0+1NΣ0(1NΣ+Σ0)1ΣΣ1i=1Nxi

=Σ(1NΣ+Σ0)11Nμ0+Σ0(1NΣ+Σ0)1i=1N(1Nxi)

Đó là hình thức theo yêu cầu của OP cho giá trị trung bình.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.