В байесовском статистическом выводе априорное распределение вероятностей (англ. prior probability distribution, или просто prior) неопределённой величины
p
{\displaystyle p}
— распределение вероятностей, которое выражает предположения о
p
{\displaystyle p}
до учёта экспериментальных данных. Например, если
p
{\displaystyle p}
— доля избирателей, готовых голосовать за определённого кандидата, то априорным распределением будет предположение о
p
{\displaystyle p}
до учёта результатов опросов или выборов. Противопоставляется апостериорной вероятности.
Согласно теореме Байеса, нормализованное произведение априорного распределения на функцию правдоподобия является условным распределением неопределённой величины согласно учтённым данным.
Априорное распределение часто задается субъективно опытным экспертом. При возможности используют сопряжённое априорное распределение, что упрощает вычисления.
Параметры априорного распределения называют гиперпараметрами, чтобы отличить их от параметров модели данных. Например, если используется бета-распределение для моделирования распределения параметра
p
{\displaystyle p}
распределения Бернулли, то:
p
{\displaystyle p}
— параметр модели данных (распределения Бернулли)
α
{\displaystyle \alpha }
и
β
{\displaystyle \beta }
— параметры априорного распределения (бета-распределения), то есть гиперпараметры.
Источник: Википедия
Привет! Меня зовут Лампобот, я компьютерная программа, которая помогает делать
Карту слов. Я отлично
умею считать, но пока плохо понимаю, как устроен ваш мир. Помоги мне разобраться!
Спасибо! Я стал чуточку лучше понимать мир эмоций.
Вопрос: раздышаться — это что-то нейтральное, положительное или отрицательное?
Когда врач должен поставить диагноз, первое, что он делает, – это пытается понять, соответствует ли описание болезни признакам, наблюдаемым у пациента, при этом неосознанно используя общие данные и устанавливая так называемую априорную вероятность болезни.
Очевидно, что сообщение о том, что этажом ниже возник пожар, вызовет совсем иную по силе и быстроте реакцию, чем сообщение о том, что этажом ниже ветер выбил стекло в окне – даже в том случае, если априорная вероятность этих сообщений одинакова.
Мы можем точно описать низкую априорную вероятность, используя систему обозначений, которые не будут лишними в следующей главе.