Jestem zainteresowany, aby oszacować gęstość ciągłej zmiennej losowej . Jednym ze sposobów na osiągnięcie tego, czego się nauczyłem, jest użycie estymacji gęstości jądra.
Ale teraz interesuje mnie podejście bayesowskie, zgodne z poniższymi wytycznymi. I początkowo przekonani, że następuje rozkład . Biorę odczytów . Czy istnieje jakieś podejście do aktualizacji na podstawie moich nowych odczytów?
Wiem, że brzmię, jakbym sam sobie zaprzeczał: jeśli wierzę wyłącznie w jako moją wcześniejszą dystrybucję, to żadne dane nie powinny mnie przekonać inaczej. Załóżmy jednak, że były a moje punkty danych były podobne . Widząc , oczywiście nie mogę trzymać się mojego wcześniejszego, ale jak mam go zaktualizować?
Aktualizacja: Na podstawie sugestii w komentarzach zacząłem przyglądać się procesowi Dirichleta. Pozwól mi użyć następujących notacji:
Po sformułowaniu mojego oryginalnego problemu w tym języku, mi się, że jestem zainteresowany następującymi : . Jak to zrobić?
W tym zestawie notatek (strona 2) autor zrobił przykład (program Polya Urn). Nie jestem pewien, czy jest to istotne.
Aktualizacja 2: Chciałbym również zapytać (po obejrzeniu notatek): jak ludzie wybierają do DP? Wygląda na przypadkowy wybór. Ponadto, w jaki sposób ludzie wybierają wcześniejsze dla DP? Czy powinienem użyć wcześniejszego for jako mojego wcześniejszego dla ?