Bunu daha önce sordum ve bir model parametresini neyin gizli bir değişken haline getirdiğini tanımlamakta gerçekten zorlanıyordum. Bu sitedeki bu konuyla ilgili çeşitli konulara bakıldığında, ana ayrım şöyle görünüyor:
Gizli değişkenler gözlenmez ancak değişkenler ve parametreler de gözlendiğinden onlarla ilişkili bir olasılık dağılımına sahiptir ve onlarla ilişkili bir dağılımları yoktur ve bunların sabit olduğunu ve denediğimiz sabit ama bilinmeyen bir değere sahip olduğunu anladım. bulabilirsiniz. Ayrıca, bunlarla ilişkili tek bir doğru değer olsa da veya en azından varsaydığımız şey bu parametreler hakkındaki belirsizliğimizi temsil etmek için parametrelere öncelik verebiliriz. Umarım şimdiye kadar haklıyım?
Şimdi, bir dergi makalesinde Bayesian ağırlıklı doğrusal regresyon için bu örneğe bakıyordum ve gerçekten bir parametre ve bir değişkenin ne olduğunu anlamak için mücadele ediyorum:
Burada ve gözlenir, ancak sadece değişken olarak kabul edilir, yani kendisiyle ilişkili bir dağılımı vardır.
Şimdi, modelleme varsayımları:
Yani, varyansı ağırlıklandırılır.
Sırasıyla normal ve gama dağılımları olan ve üzerinde de bir önceki dağılım vardır.
Böylece, tam günlük olasılığı şu şekilde verilir:
Şimdi, bunu hem anladığım kadarıyla ve modeli parametrelerdir. Bununla birlikte, gazetede gizli değişkenler olarak adlandırılmaya devam ediyorlar. Akıl yürütmem ve , ikisi de değişkeni için olasılık dağılımının bir parçasıdır ve model parametreleridir. Bununla birlikte, yazarlar onlara gizli rastgele değişkenler olarak davranırlar. Bu doğru mu? Eğer öyleyse, model parametreleri ne olurdu?
Makale burada bulunabilir ( http://www.jting.net/pubs/2007/ting-ICRA2007.pdf ).
Makale Otomatik Aykırı Algılama: Ting ve ark.