后验概率 编辑
在贝叶斯统计中，一个随机事件或者一个不确定事件的后验概率是在考虑和给出相关证据或数据后所得到的条件概率。同样，后验概率分布是一个未知量基于试验和调查后得到的概率分布。“后验”在本文中代表考虑了被测试事件的相关证据。
5
图片 0 图片
评论 0 评论
匿名用户 · [[ show_time(comment.timestamp) ]]
[[ nltobr(comment.content) ]]
相关
粒子滤波器是一种使用蒙特卡罗方法的递归滤波器，透过一组具有权重的随机样本来表示事件的后验概率，从含有噪声或不完整的观测序列，估计出动态系统的状态，粒子滤波器可以运用在任何状态空间的模型上。粒子滤波器是卡尔曼滤波的一般化方法，卡尔曼滤波器建立在线性的状态空间和正态分布的噪声上；而粒子滤波器的状态空间模型可以是非线性，且噪声分布可以是任何型式。
在贝叶斯统计学中，“最大后验概率估计”是后验概率分布的众数。利用最大后验概率估计可以获得对实验数据中无法直接观察到的量的点估计。它与最大似然估计中的经典方法有密切关系，但是它使用了一个增广的最优化，进一步考虑了被估计量的先验概率分布。所以最大后验概率估计可以看作是规则化的最大似然估计。
序贯均衡是由David M. Kreps和罗伯特·B·威尔逊提出的一种改进版的纳什均衡。David M. Kreps和罗伯特·B·威尔逊认为，在完美贝叶斯均衡的概念中，对非均衡路径上的后验概率没有定义，可以任意取值，而如果对非均衡路径上的后验概率作出合理的限制，就可以使得博弈论中的均衡概念更为一般化。
偏差信息量准则是等级线性模型化的赤池信息量准则，被广泛应用于由马尔可夫链蒙特卡洛模拟出的后验概率的贝叶斯推断统计模型选择问题。和赤池信息量准则一样，偏差信息量准则是随样本容量增加的渐近分析，只应用于后验概率呈多元正态分布的情况。