Product Design, Manufacturing & Innovation Resources
घर » बायेसियन अनुमान

बायेसियन अनुमान

1812
  • Pierre-Simon Laplace
19वीं सदी का विद्वान पार्चमेंट और लकड़ी की मेज पर बेज़ियन अनुमान की गणना कर रहा है।.

(यह छवि केवल उदाहरण के लिए बनाई गई है)

बायेसियन अनुमान एक सांख्यिकीय विधि है। तरीका जहां बेयस प्रमेय का उपयोग परिकल्पना की प्रायिकता को अद्यतन करने के लिए किया जाता है, जैसे-जैसे अधिक साक्ष्य या जानकारी उपलब्ध होती जाती है। यह बेयसियन सांख्यिकी का एक केंद्रीय सिद्धांत है। मूल विचार इस प्रकार व्यक्त किया जाता है: पश्च प्रायिकता, पूर्व प्रायिकता और संभावना के गुणनफल के समानुपाती होती है, [latex]p(theta|D) propto p(D|theta)p(theta)[/latex], जहां [latex]theta[/latex] पैरामीटर है और D डेटा है।

Bayesian inference treats model parameters as random variables about which we can have beliefs. The process begins with a ‘prior’ probability distribution, [latex]p(\theta)[/latex], which encapsulates our knowledge or uncertainty about a parameter [latex]\theta[/latex] before observing any data. When data [latex]D[/latex] is collected, its probability of occurring given the parameter, known as the ‘likelihood’ [latex]p(D|\theta)[/latex], is calculated. Bayes’ theorem then combines the prior and the likelihood to produce the ‘posterior’ distribution, [latex]p(\theta|D)[/latex]. This posterior distribution represents our updated knowledge about the parameter after accounting for the data.

This approach fundamentally differs from frequentist inference, which assumes parameters are fixed, unknown constants and calculates the probability of data given these parameters. Bayesian inference, in contrast, provides a probability distribution for the parameters themselves, which allows for direct probabilistic statements about them, such as ‘there is a 95% probability that the parameter lies in this range.’ This interpretability is a key advantage. The main historical challenge was computational; calculating the posterior often requires solving complex integrals, a problem largely overcome in the late 20th century with the advent of powerful computers and algorithms like MCMC.

UNESCO Nomenclature: 1208
सांख्यिकी

Type

सार प्रणाली

व्यवधान

मूलभूत

उपयोग

व्यापक उपयोग

शगुन

  • बेयस प्रमेय
  • संभाव्यता सिद्धांत
  • आर.ए. फिशर द्वारा संभाव्यता सिद्धांत का विकास

आवेदन

  • वैज्ञानिक मॉडलों में पैरामीटर अनुमान
  • वेब डेवलपमेंट और मार्केटिंग में ए/बी टेस्टिंग
  • जीव विज्ञान में फाइलोजेनेटिक वृक्ष का पुनर्निर्माण
  • जटिल प्रणालियों में अनिश्चितता का परिमाणीकरण
  • छवि पुनर्निर्माण और सिग्नल प्रसंस्करण
  • कृत्रिम बुद्धिमत्ता और विशेषज्ञ प्रणालियाँ

पेटेंट:

NA

संभावित नवाचार विचार

बॉट ट्रैफिक को कम करने के कारण, जो वर्तमान में प्रति दिन 40,000 से अधिक है, यह सामग्री केवल समुदाय के सदस्यों के लिए आरक्षित है।
> लॉगिन < या > रजिस्टर < इस सामग्री और अन्य सभी प्रतिबंधित सामग्रियों और उपकरणों तक पहुंच (100% निःशुल्क) है।

संबंधित विषय: बायेसियन अनुमान, पश्च वितरण, पूर्व वितरण, संभावना फलन, सांख्यिकीय मॉडलिंग, पैरामीटर अनुमान, अनिश्चितता, साक्ष्य, विश्वास अद्यतन, MCMC।

ऐतिहासिक संदर्भ

बायेसियन अनुमान

1758
1777
1799
1812
1822
1827
1829
1750
1763-12-23
1780
1805
1822
1822
1828
1848

(यदि तिथि अज्ञात है या प्रासंगिक नहीं है, उदाहरण के लिए "द्रव यांत्रिकी", तो इसके उल्लेखनीय उद्भव का एक अनुमानित आंकड़ा प्रदान किया गया है)

संबंधित आविष्कार, नवाचार और तकनीकी सिद्धांत

पंजीकृत सदस्यों के लिए पूर्ण आकार की छवियाँ और डाउनलोड 100% निःशुल्क उपलब्ध हैं।