《贝叶斯方法：概率编程与贝叶斯推断》一1.7习题

本节书摘来自异步社区《贝叶斯方法：概率编程与贝叶斯推断》一书中的第1章，第1.7节，作者 【加】Cameron Davidson-Pilon（卡梅隆 戴维森-皮隆），更多章节内容可以访问云栖社区“异步社区”公众号查看

1.7习题

1．利用 lambda_1_samples 和 lambda_2_samples，怎么获得参数λ1和λ2后验分布的平均值 ?

2．计算短信频率提升比例的期望值是多少。提示：需要计算 (lambda_2_samples-lambda_1_samples)/lambda_1_samples的均值。注意这个结果和(lambda_2_ samples.mean()-lambda_1_samples.mean())/ lambda_1_samples.mean()计算出来的结果是有很大区别的。

3．在τ小于45的前提下，计算λ1的均值。也就是说，在我们被告知行为的变化发生在第45天之前时，对λ1的期望会是多少? （不需要重复PyMC 那部分，只需要考虑当 tau_samples 45时所有可能的情况。）

《贝叶斯方法：概率编程与贝叶斯推断》一导读 贝叶斯方法是一种常用的推断方法，然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容，然后才会阐述什么是贝叶斯推断。不幸的是，由于大多数贝叶斯模型在数学上难以处理，这些书只会为读者展示简单、人造的例子。
《贝叶斯方法：概率编程与贝叶斯推断》——导读 贝叶斯方法是一种常用的推断方法，然而对读者来说它通常隐藏在乏味的数学分析章节背后。关于贝叶斯推断的书通常包含两到三章关于概率论的内容，然后才会阐述什么是贝叶斯推断。不幸的是，由于大多数贝叶斯模型在数学上难以处理，这些书只会为读者展示简单、人造的例子。
异步社区 异步社区(www.epubit.com)是人民邮电出版社旗下IT专业图书旗舰社区，也是国内领先的IT专业图书社区，致力于优质学习内容的出版和分享，实现了纸书电子书的同步上架，于2015年8月上线运营。公众号【异步图书】，每日赠送异步新书。