Я прохожу курс «Введение в Байес» и испытываю некоторые затруднения с пониманием предиктивного распределения. Я понимаю, почему они полезны, и я знаком с определением, но есть некоторые вещи, которые я не совсем понимаю.
1) Как получить правильное предсказательное распределение для вектора новых наблюдений
Предположим, что мы построили модель выборки для данных и априорного . Предположим, что наблюдения условно независимы с учетом .
Мы наблюдали некоторые данные , и мы обновляем наш предыдущий на задний .
Если мы хотим предсказать вектор новых наблюдений , я думаю, что мы должны попытаться получить апостериорный прогноз, используя эту формулу который не равен поэтому предсказанные наблюдения не являются независимыми, верно?
Скажи, что Бета ( ) и Бином ( ) для фиксированного . В этом случае, если бы я хотел смоделировать 6 новых , если я правильно понял, было бы неправильно моделировать 6 ничьих независимо от бета-биномиального распределения, которое соответствует апостериорному предиктиву для одного наблюдения. Это правильно? Я не знаю, как интерпретировать, что наблюдения не являются независимыми незначительно, и я не уверен, что понимаю это правильно.
Имитация из апостериорных предикатов
Много раз, когда мы моделируем данные из апостериорного прогнозирования, мы следуем этой схеме:
Для от 1 до :
1) Образец из .
2) Затем смоделируйте новые данные из .
Я не совсем знаю, как доказать, что эта схема работает, хотя выглядит интуитивно. Кроме того, у этого есть имя? Я пытался найти оправдание и пробовал разные имена, но мне не повезло.
Спасибо!