Мне нужно «изучить» распределение двумерного гауссиана с несколькими выборками, но хорошая гипотеза о предыдущем распределении, поэтому я хотел бы использовать байесовский подход.
Я определил свой предыдущий:
И мое распределение дало гипотезу \ mathbf {\ mu} = \ begin {bmatrix} 0 \\ 0 \ end {bmatrix} \ \ \ \ mathbf {\ Sigma} = \ begin {bmatrix} 18 & 0 \\ 0 & 18 \ end {bmatrix}
Теперь я знаю, благодаря здесь , чтобы оценить среднее значение данных
Я могу вычислить:
Теперь возникает вопрос, может быть, я ошибаюсь, но мне кажется, что - это просто ковариационная матрица для предполагаемого параметра , а не предполагаемая ковариация моих данных. То, что я хотел бы, чтобы вычислить также
для того, чтобы получить полностью определенный дистрибутив на основе моих данных.
Это возможно? Это уже решено вычислением и это просто неверно выражено формулой выше (или я просто неверно интерпретирую это)? Ссылки будут оценены. Большое спасибо.
РЕДАКТИРОВАТЬ
Из комментариев выяснилось, что мой подход был «неправильным» в том смысле, что я предполагал постоянную ковариацию, определяемую . Что мне нужно, так это поставить априор на него, , но я не знаю, какой дистрибутив мне следует использовать, и какова процедура его обновления.