贝叶斯推断
贝叶斯推断（）是推論統計的一种方法。这种方法使用贝叶斯定理，在有更多證據及信息時，更新特定假设的概率。贝叶斯推断是统计学（特別是数理统计学）中很重要的技巧之一。贝叶斯更新（Bayesian updating）在序列分析中格外的重要。贝叶斯推断應用在許多的領域中，包括科學、工程學、哲學、醫學、體育運動、法律等。在决策论的哲學中，贝叶斯推断和主觀概率有密切關係，常常稱為贝叶斯概率。 贝叶斯定理是由統計學家托馬斯·貝葉-{}-斯根據許多特例推…
标签：#貝氏推論
共 3 篇文章
贝叶斯信息量准则
在统计学当中，贝叶斯信息量准则（或者：Schwarz information criterion；缩写：BIC、SIC、SBC、SBIC）是在有限集合中进行模型选择的准则：BIC最低的模型是最好的。该准则部分基于似然函数并与赤池信息量准则（AIC）紧密相关。 該準則由數學家Gideon E. Schwarz於1978年提出，因使用英国统计学家托马斯·贝叶斯的贝叶斯推断而得名。 拟合模型时，增加参数可提高似然，但如此下去可能导致过拟合。B…
贝叶斯法
貝葉氏譜系分析（Bayesian inference of phylogeny）是根據已知的先驗機率推導後驗機率的似然函數，進而去預測最可能的系譜樹。隨著電腦計算速度的演進以及马尔科夫-蒙特卡洛法的演進，貝葉氏譜系分析越來越受重視和應用。贝叶斯推断時常應用於分子系統發生學以及系統分類學。 分析軟體列表 下表列出最常用的系譜分析軟體，有些不只使用貝葉氏譜系分析。 應用 貝葉氏譜系分析在分子系統發生學上具有相當廣泛的應用，包含： （mole…