TOPIC / inference
抽样推断与模型校准
从置信区间、共轭更新到分布拟合与真实标定，练习带着误差作判断。
RELATED CONTENT
本主题下的内容
4 条内容
17 · 基础
贝塔共轭更新
同一组贝塔分布共轭更新与数值积分核验，由e17_beta_update.py生成。左图先验贝塔分布(2,2)、观测n=20且k=15后的后验贝塔分布(17,7)，阴影为后验等尾95%可信区间；右图比较解析后验与4001点网格归一化的数值密度。横轴θ为未知成功率，对应SciPy参数p和代码grid中的候选值。
打开内容 ↗18 · 基础t 推断与置信区间
九个给定观测的t推断，由e18_t_inference.py生成。左图只比较本例自由度8的t密度与标准正态密度，竖线为观测t值；右图以本例x.mean()、interval和mu0=170显示均值点、95%置信区间及原假设均值，参数均与终端输出同源。
打开内容 ↗19 · 基础分布拟合与校准检验
合成正值样本的拟合诊断，直接采用e19_distribution_fit.py运行图。种子=30生成150个log(X)均值为log(5)、标准差0.9的观测；左图为同一原尺度数据的直方图及正态、伽马分布、对数正态拟合密度，右图为log(data)的正态概率图。同脚本另在终端报告AIC及1999次重新拟合的KS校准结果，图中未绘制校准参考分布。
打开内容 ↗36 · 基础正态共轭更新
已知观测方差的正态—正态更新。先验中心50、标准差10，四个固定观测52、48、55、51，观测标准差8。左图比较参数μ的先验与后验；右图显示未来单个观测的后验预测密度及区间。场景及观测均为教学设定。
打开内容 ↗