Beta分布和抗性基因频率的推导
来源:互联网 发布:什么是方向余弦矩阵 编辑:程序博客网 时间:2024/04/29 18:11
工作以后发现学的更多的是实践方面的,有一定的局限性,更喜欢记笔记而不是写博客了。习惯了latex后,也越来越用不惯博客如此麻烦的调格式等,markdown没有完全支持latex吧,至少我的/section命令并没有得到相应解释。看了两篇关于抗性基因频率估计的论文,顺便写篇总结吧。
参数估计
参数估计有两种方法:
第一种是频率学派,也就是通过抽样调查,计算似然函数来选择特定参数值,如对期望的无偏估计。
第二种是贝叶斯学派,是利用贝叶斯推断来计算参数,认为参数不是固定值也是变量,给参数赋予先验分布,并使得先验与似然共轭,通过求后验均值来得到参数的估计。
由于贝叶斯学派的计算极其依赖于先验概率的假设,而先前的理论和技术的限制使得当时的人们不能很好的取得先验概率,因而贝叶斯的理论虽然出现的极早,但并没有得到人们的重视,也未能在生产实践中发挥重大作用。当进入20世纪中期,计算机技术逐步应用于数学分析领域,使得人们有能力通过大量的迭代计算来得到较好的先验概率,所以近几十年贝叶斯理论重新进入人们的视野,并在计算机应用领域做出了重要贡献。
后验分布函数的推导
以下
确定参数分布函数
在计算和实践中,会选取一定的似然函数,使得参数的先验分布和后验分布函数形式一致,这个时候又可以称此参数的先验分布函数是似然函数的共轭函数,例如beta分布函数(参数的先验函数)是二项式分布(似然函数)的共轭函数,此例以后证明。
事件似然函数和参数先验分布函数的对应关系
1.二项分布 — beta分布
2.Gaussian分布 — Gaussian分布
3.指数分布 — Gamma分布
例:Beta分布的推导
下面,利用上述理论实现Beta分布的推导。
首先,假设事件发生t次,事件发生的概率是
化简:积分项中,二项分布系数
为了使得后验分布和先验分布具有相同的函数形式,那么必须有如下的形式:
这时候,容易想到参照标准beta分布:
所以可以假设先验分布服从beta分布,由此得到:
将上述函数带入后验分布函数,又由于
实践中,为了简便起见,设
这时,可以得到后验分布的函数:
由上述两个方程得到系数的关系如下:
根据beta分布获取估计参数的期望和方差
实践:估计抗性基因频率
设培养的lines数目是n,检测出的有抗性基因的line数目是t。设抗性line出现的概率是
注意的是由于祖父代每四个等位基因有一个抗性基因,那么才可能在
所以得到:
- Beta分布和抗性基因频率的推导
- 推导Beta分布公式
- beta分布和Dirichlet分布
- 二项分布和Beta分布
- 二项分布和Beta分布
- 二项分布和Beta分布
- 关于共轭分布,beta分布,二项分布和Dirichlet分布、多项式分布的关系
- 如何理解Beta分布和Dirichlet分布?
- 如何理解Beta分布和Dirichlet分布?
- 如何理解Beta分布和Dirichlet分布?
- 【转载】 Beta分布和Dirichlet分布
- 泊松分布的期望和方差推导
- 认识beta和dirichlet分布
- 关于beta分布的理解
- 理解二项分布,beta分布,多项分布 狄利克雷分布的
- beta分布
- Beta分布
- Beta分布
- 11、Java IO流
- 通达OA系统优化-对mysql数据库减肥
- 宝洁的消费者研究的方法和趋势
- Linux Bash Shell编程快速入门
- 正则学习:简单的Python小爬虫
- Beta分布和抗性基因频率的推导
- 单例模板类的实现
- Linux命令简介tail
- ScrollView拉到尽头时出现阴影的解决方法
- String,StringBuffer与StringBuilder的区别
- Python脚本:批量解压RAR文件
- trace工具的介绍和使用
- Servlet 3.0 新特性详解
- Git让单个文件回退到指定的版本