实验数据处理中的贝叶斯推断：原理与基本应用
数据分析、统计与概率
2009-11-10 v1
摘要
本报告介绍了应用于物理测量的贝叶斯概率论的一般思想和一些基本方法。我们的目标是通过例子而非严格的形式体系，使读者熟悉以下概念：模型比较（包括贝叶斯方法提供的自动奥卡姆剃刀滤波）；参数推断；对物理量值不确定度的量化（也考虑系统误差）；边缘化的作用；后验表征；预测分布；层次建模与超参数；后验的高斯近似及在明确定义条件下常规方法的恢复，特别是最大似然与卡方拟合；共轭先验、变换不变性与最大熵驱动的先验；期望的蒙特卡洛估计，包括马尔可夫链蒙特卡洛方法的简要介绍。
引用
@article{arxiv.physics/0304102,
title = {Bayesian Inference in Processing Experimental Data: Principles and Basic Applications},
author = {G. D'Agostini},
journal= {arXiv preprint arXiv:physics/0304102},
year = {2009}
}
备注
40 pages, 2 figures, invited paper for Reports on Progress in Physics