預備知識
-
貝葉斯定理 (Bayes' Rule):
p(π∣D)=p(D)p(D∣π)p(π)
其中:
- p(π∣D) 是 後驗 (posterior) 分佈。
- p(D∣π) 是 似然 (likelihood)。
- p(π) 是 先驗 (prior)。
- p(D)=∫p(D∣π)p(π)dπ 是 證據 (evidence) (歸一化常數)。
-
均勻先驗 (Uniform Prior):π∈[0,1] 上的均勻先驗意味著 p(π)=1,對於 0≤π≤1。
-
Beta 函數恆等式:如公式 (3.32) 所示:
∫01πm(1−π)ndπ=(m+n+1)!m!n!
分步證明
-
構造後驗分佈:
使用貝葉斯定理:
p(π∣D)=∫01p(D∣π′)p(π′)dπ′p(D∣π)p(π)
-
代入似然和先驗:
從 (a) 部分可知,似然 p(D∣π)=πs(1−π)n−s。
給定均勻先驗,p(π)=1。
分子是:
p(D∣π)p(π)=πs(1−π)n−s⋅1=πs(1−π)n−s
-
計算證據 (分母):
設 Z=p(D)=∫01πs(1−π)n−sdπ。
我們使用恆等式 (3.32),其中 m=s,並且 (1−π) 的指數為 n−s。注意恆等式中的 "n" 代表指數,所以我們用我們的 "n−s" 替換恆等式中的 "n"。
使用恆等式:∫01πm(1−π)kdπ=(m+k+1)!m!k!。
這裡,m=s 且 k=n−s。
Z=∫01πs(1−π)n−sdπ=(s+(n−s)+1)!s!(n−s)!=(n+1)!s!(n−s)!
-
計算後驗:
將分子除以分母 Z。
p(π∣D)=Zπs(1−π)n−s=(n+1)!s!(n−s)!πs(1−π)n−s
p(π∣D)=s!(n−s)!(n+1)!πs(1−π)n−s
這與公式 (3.33) 相符。
n=1 時的繪圖
對於 n=1,s 的可能值是 s=0 或 s=1。
-
情況 s=1 (一次成功):
p(π∣D)=1!(1−1)!(1+1)!π1(1−π)1−1=1⋅12π(1)=2π
這是一個從 0 增加到 2 的線性函數。
-
情況 s=0 (一次失敗):
p(π∣D)=0!(1−0)!(1+1)!π0(1−π)1−0=1⋅12(1)(1−π)=2(1−π)
這是一個從 2 減少到 0 的線性函數。
(自檢:2π 在 0 到 1 上的積分是 [π2]01=1。2(1−π) 的積分是 −[(1−π)2]01=−[0−1]=1。兩者都是有效的 PDF。)
繪圖描述:
- 對於 s=1:一條從 (0,0) 開始並到達 (1,2) 的直線。它傾向於更高的 π 值。
- 對於 s=0:一條從 (0,2) 開始並到達 (1,0) 的直線。它傾向於更低的 π 值。