posterior distribution

posterior distribution的基本解释

-

后验分布

-

后分布

与posterior distribution相关的网络例句 [注：此内容来源于网络，仅供参考]

In most cases, Bayes solution based on the mean of the posterior distribution will be better than the traditional one.

在大多数情况下，基于后验分布的贝叶斯解会优于传统解。

It is combined with information from the data to generate the posterior distribution over the parameter values, according to Bayes' rule.

这是结合信息，从数据生成后的分布参数值，根据贝叶斯'的规则。

Another way to approximate the posterior state distribution is Monte Carlo simulation.

对目标后验状态分布近似的另一条途径是Monte Carlo仿真。

The case study shows that the method proposed can provide the posterior distribution of parameters of Nash model based on posterior information of parameters.

实例研究表明，该方法能充分利用已知的后验信息获取Nash模型参数的不确定性，得到其后验分布。

The general process for Bayes analysis is: prior distribution + data = posterior distribution.

Bayes分析的一般程序是先验分布＋数据＝后验分布。

与posterior distribution相关的网络解释 [注：此内容来源于网络，仅供参考]

Posterior distribution：后验分布

参数被看成是随机变量,它的概率分布有两种:第一种是在试验之前就已经知道的被称为先验分布(prior distribution),它可以通过对以往的关于参数的知识进行总结作一个主观判断得到;第二种是在试验之后得到的被称为后验分布(posterior distribution).

Posterior distribution：事後機率分配

Posterior density function 事後密度函數 | Posterior distribution 事後機率分配 | Posterior expected loss 事後預期損失

Posterior distribution：验后分布

后囊切除:posterior capsulotomy | 验后分布:Posterior distribution | 环构后肌:posterior cricoarytenoid muscle

Posterior distribution：事后分配

"最后分析","post mortal analysis" | "事后分配","posterior distribution" | "事后(后验)机率","posterior probability"

final posterior distribution：最终后验分布

final position 最终位置 | final posterior distribution 最终后验分布 | final pressure 终压,最后压力