问题标签 [beta-distribution]

我的问题最后以粗体显示。

我知道如何将 beta 分布拟合到某些数据。例如：

产生：

现在我想计算不同的 beta 参数alpha0和数据beta0的每一batting_by_decade$Decade列，所以我最终得到了 15 个参数集和 15 个 beta 分布，我可以适应这个由 Decade 刻面的击球平均值的 ggplot：

我可以通过过滤每十年来硬编码，并将该十年的数据传递到fidistr函数中，在所有十年中重复此操作，但是有没有一种方法可以快速且可重复地计算每十年的所有 beta 参数，也许使用其中一个 apply功能？

我在 CMU 看过 Tom Mitchell 的 2011 年 10-701 课程的机器学习课程视频。当他在theta上使用Beta分布作为先验时，他正在教授最大似然估计主题，我想知道他只选择了那个吗？

我必须使用python使用Gibbs采样器从后验全条件分布中采样。但是，后验全条件分布是这样的：

一个 beta 分布，但在区间中，而不是 [0,1]，它是一个 beta 范围

给定以下 beta 分布

如何以 0.1 的间隔找到 0 到 1 的中断区域。不是累积区域，只是该特定休息的区域。例如，从 0.2 到 0.3 的中断将仅包含该区域，而不包含先前的区域。

tf.distributions 允许访问多个发行版。我的网络应该预测概率密度函数的参数（即我的情况下的策略），然后损失再次取决于这些。我想特别要求 beta 发行版，因为那是我打算使用的发行版。例如：

其中concentration1 和concentration0 是某个网络的输出，我想对其进行优化（假设为了这个问题而给出了其他参数）。当调用 session.run(trainstep) 时，这会反向传播到网络中吗？我找不到任何说明其中一个或另一个的资源。

我是定量和科学编程的新手，我遇到了 scipy 的最小化函数scipy.optimize.fmin。有人可以为非工科学生解释一下这个函数的基本直觉吗？

Letz说我想最小化以下功能：

1）最小化器实际上最小化了什么？因变量还是自变量？

scipy.optimize.fmin2)和有什么区别scipy.optimize.minimize？

是否有内置函数来计算 R 中的四参数 beta 分布？即，具有两个形状参数和两个边界参数的分布，因此它不是有界的[0,1]？

我自己做了，但很好奇这个功能是否已经存在。无需重新发明轮子。

我有两个来自广义 beta 素数分布的 pdf，并希望通过卷积将它们组合成一个 pdf。在R中这样的事情可能吗？例如，我如何结合下面给定的后验分布 Y1 和 Y2？

如果不是卷积，蒙特卡洛方法会更好吗？

我有一个关于 beta 分布和随机变量的问题。我的数据包括 2012 年至 2016 年每小时的绩效数据。我每月重新计算数据，所以我每个月只有一个值。之后，我创建了一个新的 df，其中包含一个月的所有值，如我的代码示例所示。

我的下一步是根据每个月的过去值从 beta 分布中提取随机数。因此，我想使用scipy包和numpy.random. 问题是，我不知道如何...我只需要 20 个数字，但我不知道如何确定a和b值。我只需要尝试随机值还是可以从我过去的数据中提取相应的值？我感谢每一个帮助！

我有这个数据集，我知道它来自 beta 分布，但参数未知：

2.5% 0.264 50% 0.511 97.5% 0.759

有没有办法找到最适合的 beta 分布并使用 r 估计形状参数？