定义随机变量A为一次伯努利试验的结果,
A的取值为[0,1],概率分布为
P(A):
P(A=1)=θP(A=0)=1−θ下面分别使用极大似然估计和贝叶斯估计来估计
θ。
- 极大似然估计
L(θ)=i=1∏nP(Ai)=θk(1−θ)n−k
Ai代表第
i次随机试验
logL(θ)=logi=1∏nP(Ai)=logθk+log(1−θ)n−k=klogθ+(n−k)log(1−θ)
对公式两边同时求导,并求当导数等于零时的
θ值,如下
∂θ∂L(θ)=k⋅θ1+(n−k)⋅1−θ−1
令∂θ∂L(θ)=0,可得
θ=nk。此时
θ满足
θ=θargmaxL(θ)。
- 贝叶斯估计
P(θ∣A1,A2,…,An)=P(A1,A2,…,An)P(A1,A2,…,An∣θ)⋅π(θ)
根据观察到的结果修正
θ,也就是假设
θ是随机变量,
θ服从
β分布,有很多可能取值,我们要取的值是在已知观察结果的条件下使
θ出现概率最大的值。
θ=θargmax P(A1,A2,…,An∣θ)⋅P(θ)=θargmax∏P(Ai∣θ)P(θ)=θargmaxθk(1−θ)n−kθa−1(1−θ)b−1
求解同上,得
θ=n+(a−1)+(b−1)k+(a−1),其中
a,b是
β分布中的参数
β(θ;a,b)=Cθa−1(1−θ)b−1,
C为常数,选定
a,b后就可以确定
θ。