r - 贝叶斯问题:指数先验和泊松似然:后验?
问题描述
我在某个特定问题上需要帮助,并且需要确认我的理解。
人们认为,公司的缺勤遵循泊松(λ)分布。
另外认为75% 的 λ 值小于 5,因此决定指数分布将优先于 λ。您随机抽取 50 名学生作为样本,找出每个学生在过去一个学期中的缺勤次数。
下面汇总的数据,请注意,0 和 1 是一起分类的。
缺勤次数
≤ 1 2 3 4 5 6 7 8 9 10
频率
18 13 8 3 4 3 0 0 0 1
因此,为了计算后验分布,我的理解是,在这种情况下,先验 x 似然是指数(1/2.56)和泊松,其中包含小于 5 的概率为 0.75 的信念,使用以下方法求解
-ln(1-0.75)/(1/2.56)= 3.5489。
此外,一个类似的线程计算了后验为伽玛 (sum(xi)+1,n+lambda)
因此,有了这些假设,我有一些代码可以将其可视化
x=seq(from=0, to=10, by= 1)
plot(x,dexp(x,rate = 0.390625),type="l",col="red")
lines(x,dpois(x,3.54890),col="blue")
lines(x,dgamma(x,128+1,50+3.54890),col="green")
任何帮助或澄清这将不胜感激
解决方案
推荐阅读
- openlayers - GetLegendGraphic 显示水平GeoServer
- mysql - 如何编写一个引用表中字段的 MySQL 函数?
- ios - 不同文件 React Native 中未定义的方面
- python - Python 3 - 在类外发出调用类方法
- javascript - 禁用 html5 contenteditable 属性的默认浏览器行为
- c# - 如何在 Thrift 中使用服务作为类型
- bash - 签入目录中的元素是目录或文件
- batch-file - adding a new column to csv and populate the values alternatives
- javascript - Disabling third party cookies as per GDPR compliance
- html - Bootstrap 4 模态中心内容