python - 使用 MCMC 方法估计头部概率

Question

我正在尝试了解贝叶斯参数估计，并在这里找到了一些非常好的教程（教程 1 和 2）。只是为了测试我的理解，我正在尝试实施 MCMC 方法来估计基于给定数据集获得正面的概率。输入数据集有 8 个头和 2 个尾。假设先验遵循 Beta(2,2)，分析得出正面的概率 = (8+2)/(10+2+2) = 0.71。但是，当我尝试使用 Metropolis-hastings 算法时，我得到了非常不同的答案。任何人都可以在这里检查我的实现并解释我所缺少的

http://nbviewer.ipython.org/github/ragrawal/meetup/blob/master/notebook/MCMC.ipynb

Answer 1

我认为你的答案是 0.717147231334，这不是问题。即使您的分析答案为 0.71，它也可能会有所不同。

实际上，分析答案 0.71 是后验分布的后验均值，而您的答案是它的数值近似（样本均值）。