L'ho già chiesto e ho avuto delle difficoltà a identificare ciò che rende un parametro del modello e ciò che lo rende una variabile latente. Quindi, guardando vari thread su questo argomento in questo sito, la distinzione principale sembra essere:
Le variabili latenti non sono osservate ma hanno una distribuzione di probabilità associata con loro in quanto sono variabili e parametri non sono osservati e non hanno alcuna distribuzione associata con loro che capisco come queste sono costanti e hanno un valore fisso ma sconosciuto che stiamo cercando di trova. Inoltre, possiamo mettere i priori sui parametri per rappresentare la nostra incertezza su questi parametri anche se c'è solo un vero valore associato ad essi o almeno questo è ciò che assumiamo. Spero di avere ragione finora?
Ora, ho esaminato questo esempio per la regressione lineare ponderata bayesiana da un giornale di giornale e ho davvero lottato per capire cosa sia un parametro e cosa sia una variabile:
Qui ed sono osservati ma solo è trattata come una variabile cioè ha una distribuzione associato con esso.y y
Ora, i presupposti di modellazione sono:
Quindi, la varianza di è ponderata.
C'è anche una distribuzione a priori su e , che sono normali e gamma distribuzioni, rispettivamente. w
Pertanto, la probabilità di log completa è data da:
Ora, a quanto ho capito, sia che sono parametri del modello. Tuttavia, nel documento continuano a riferirsi a loro come variabili latenti. Il mio ragionamento è e fanno entrambi parte della distribuzione di probabilità per la variabile e sono parametri del modello. Tuttavia, gli autori li trattano come variabili casuali latenti. È corretto? In tal caso, quali sarebbero i parametri del modello?w β w y
Il documento è disponibile qui ( http://www.jting.net/pubs/2007/ting-ICRA2007.pdf ).
L'articolo è il rilevamento automatico degli outlier: un approccio bayesiano di Ting et al.