Comment puis-je compléter le carré à partir du point où je me suis arrêté, et est-ce correct jusqu'à présent?
J'ai un avant normal pour de la forme , obtenir:
où est .
Ma probabilité a une distribution normale pour les points de données y du formulaire
(Notez que est aussi une matrice / vecteur, \ bf ne fonctionne pas.)
Pour obtenir mon postérieur pour J'ai combiné ce qui précède, pris uniquement les parties exponentielles, puis développé pour obtenir:
.
J'ai laissé tomber le terme, car il n’est pas fonction .
Mettre en une seule expression sans l'exponentielle:
.
Je sais que je dois combiner les termes similaires et prendre la forme de la distribution normale multivariée, ce que je vise, mais je ne sais pas comment faire? Je dois probablement ajouter un terme supplémentaire à l'expression pour la mettre sous la bonne forme?
Remarque: Ce ne sont pas des devoirs, c'est un projet, mais mes connaissances professionnelles bayésiennes ne sont pas bonnes du tout et j'ai donc besoin de comprendre le travail. J'ai l'intention d'intégrer le puis le après être entré dans la forme multivariée.
Réponses:
Je vais recommencer à zéro, car le message d'origine contient des fautes de frappe comme des signes erronés, laissant tomber leV matrice, etc.
Vous avez spécifié avantp ( β) = N( 0 ,σ2V) et probabilité: p ( y| β) = N( B β,σ2je) .
Nous pouvons écrire chacun de ceux-ci purement comme des expressions de termes à l'intérieur duexp qui dépendent de β , regroupant tous les termes sans rapport avec β en une seule constante:
L'ajout de ceux-ci dans l'espace journal et la collecte de termes similaires donne le journal non normalisé postérieur
... ici, nous avons utilisé l'identité standardXTA x +XTCx =XT( A + C) x pour tous les vecteurs X et matrices A , C de taille appropriée.
OK, notre objectif est maintenant de "compléter" le carré. Nous aimerions une expression du formulaire ci-dessous, qui indiquerait que le postérieur deβ est gaussien.
où les paramètresμp,Λp définir respectivement la matrice postérieure de la moyenne et la covariance inverse.
Eh bien, par inspection eqn. (1) ressemble beaucoup à ce formulaire si nous définissons
En détail, nous pouvons montrer que cette substitution crée chaque terme nécessaire à partir de (1):
terme quadratique:βTΛpβ=βT(V- 1+BTB ) β
terme linéaire:μTpΛpβ= (Λ- 1pBTy)TΛpβ=yTBΛ- 1pΛpβ=yTB β
.... ici nous avons utilisé des faits( A B)T=BTUNET et (Λ- 1p)T=Λ- 1p en raison de la symétrie (Λp est symétrique, alors son inverse aussi).
Cependant, cela nous laisse avec un terme supplémentaire embêtantμTpΛpμp . Pour éviter cela, nous soustrayons simplement ce terme de notre résultat final. Ainsi, nous pouvons directement remplacer notreμp,Λp paramètres dans (1) pour obtenir
puisque ce dernier terme est constant par rapport àβ , nous pouvons simplement l'écraser dans la grande constante de normalisation sur le côté gauche et nous avons atteint notre objectif.
la source