simulation - 在贝叶斯模拟中,为什么在模型中对具有先验的参数使用固定值?
问题描述
在模拟贝叶斯模型时,我们是否应该将参数视为随机变量(先验),而不是使用固定值?
例如,我们有一个贝叶斯线性模型 y=x\beta+\epsilon。在模拟时,文献中通常: 1. 将回归系数设置为固定值,例如(0,3,-2,1,0,...);2.多次模拟预测器;3.模拟误差项,通常是标准正态;4. 生成响应。
如果回归系数有先验(假设它们有可交换的先验),因此我们有后验分布,为什么我们只模拟一组回归系数值?这听起来像后验有一个分布,这意味着我们不相信任何固定值,而事实确实是固定值。在良好的设置下,即使后验均值也应该收敛到 OLS 估计,但这仍然很难理解。
解决方案
推荐阅读
- python - 如何使用 Python 3 将套接字数据转换为 json 对象或字典
- python - 具有相同别名的表被视为不同的表
- javascript - 如何全局定义redis客户端?
- laravel - Laravel 验证器在 null 时传递数组
- javascript - 当对象非常存在并且我试图在范围内访问它时,为什么我得到“无法读取未定义的属性 0”?
- powershell - PowerShell 6.* 使用 SSL 证书和 UBUNTU 进行远程处理
- ios - 将 APNs 从证书升级到身份验证令牌是否会使现有的 deviceToken 失效?
- ios - 动画高度更改 UITableView 但忽略 UILabel?
- vba - 将 .found = true 值添加到描述的字符串 Word VBA
- angular - 路由解析根组件Angular 6