R语言 先验概率分布与后验概率分布的计算

先验概率分布与后验概率分布的计算

例题：某填空区域中的流星数量可用泊松分布Poisson(μ)来描述，现在根据历史资料指导参数μ只有四个可能取值，分别为（1.2,3.1,2.0,4.2）,其对应的先验概率为（0.2,0.3,0.4,0.1）,如今观察到样本y=2(即在该空域看到了两颗流星)，
（1）求解后验概率P(μ=1.2|y=2);
（2）用R函数求后验概率分布列并画出先验概率与后验概率的对比图。

运行代码：

library(BayesianStat)
theta <- c(1.2,3.1,2.0,4.2)
prior <- c(0.2,0.3,0.4,0.1)
probability <- Poisdiscrete(y.obs=2, mu=theta, mu.prior=prior,plot= TRUE)

由运行结果可知先验概率值为（0.2，0.3，0.4，0.1）

由图可知在y1的条件下 的条件下的条件概率。可知条件为0时，1.2对应的 值为0.30119421。条件为1时，1.2对应的 值为0.36143305。条件是12时， 1.2对应的μ值是5.606407e-09。

根据运行结果可知：

u 先验概率 后验概率
1.2 0.2168598 0.18873401
3.1 0.2164641 0.28258091
2.0 0.2706706 0.47113144
4.2 0.1322610 0.05755364

值越大，先验概率和后验概率值越小。

利用R软件绘制先验概率与后验概率的对比图：

由图可知先验概率较大，而 值越大后验概率就越小。