ベイズ推定の勉強配信アーカイブ(NMA Bayesian Decisions)
https://www.youtube.com/watch?v=t5hbg2RUzXY
Naa_tsure.icon正直よくわかってないこと
本編：2:03:40-あたり＋2:48:42-あたり
Likelihood p(m|s)に関して、一回の観察では事後確立を更新できないように思える
でもそうだとしたらあまりに不便すぎるので多分違うはず・・・Naa_tsure.icon
ベイズを利用した信念の更新は、$ p(s|m)=\frac{p(m|s)p(s)}{p(m)}で行う
この時、例えば$ p(s=right|m=fish)を知りたい場合は、$ p(m=fish)が必要となる
$ p(m=fish)は、
$ p(m=fish)=\sum_{s}p(m=fish,s)
$ =p(m=fish|s=right)p(s=right)+p(m=fish|s=left)p(s=left)
と計算するので、右で釣りをする場合と左で釣りをする場合の両方を知らないと更新できないように思える
hl.icon
いや、観測して得られるmはfishかno-fishの二値だけ。
そこから、もし状態がs=rightだった場合のfishだったのか、s=leftだった場合のfishの確率を推定してる
例えば、釣り人が左の釣り場で魚を釣ったとする
その場合、直感的には魚の群は左にいると考えるのが普通
つまり、
$ p(m=fish|s=right)>p(m=fish|s=right)となる
まあ一回の観察だからたかが知れていて、
追記おわりNaa_tsure.icon
hl.icon
Naa_tsure.icon本当に？そうだとしたら、連続値の場合に全状態の経験が必要となるがそんな気はしない
Naa_tsure.icon連続値の場合はガウシアンで近似しているからその必要がないのでは？
Naa_tsure.icon限られた観測で2つのパラメータさえ推測すればで全てを網羅できる(？)
https://www.youtube.com/watch?v=Q3cN-kX5PDg
Naa_tsure.icon正直よくわかってないこと
本編：49:25-あたり
連続値の同時確率を扱うときに2変数に相関があると周辺確率の分布と元の確率分布が変化すると言う話
2つの確率分布に差が生まれるのは理解したけど、周辺確率しか分からない場合にどうやって補正するのか
Naa_tsure.iconそもそも連続値の場合に手計算してないのでイメージがあんまりできてない
hl.icon
ref
freeなので必要な部分だけでもチェックしておきたい