Eric Ma 的文章
贝叶斯 Copula 估计：描述相关的联合分布
- 2023年12月24日
当我们处理多个变量（例如 \(a\) 和 \(b\)）时，我们经常希望参数化地描述联合分布 \(P(a, b)\)。 如果我们幸运的话，那么这种联合分布可能在某种程度上是“简单”的。 例如，可能是 \(a\) 和 \(b\) 在统计上是独立的，在这种情况下，我们可以将联合分布分解为 \(P(a, b) = P(a) P(b)\)，因此我们只需要为 \(P(a)\) 和 \(P(b)\) 找到适当的参数化描述。 即使这不合适，\(P(a, b)\) 也可能可以通过简单的多元分布来很好地描述，例如多元正态分布。
从笨拙的分箱数据中估计分布的参数
- 2021年10月23日
假设我们有兴趣推断人口的属性。 这可以是任何事物，从年龄、收入或身体质量指数的分布，到各种不同的可能衡量标准。 在完成这项任务时，我们可能经常会遇到这样的情况：我们有多个数据集，每个数据集都可以告知我们对总体人口的看法。