贝叶斯估计python代码

以下是使用Python实现贝叶斯估计的代码：

import numpy as np

# 定义正态分布的参数估计函数
def bayesian_estimation(data, prior_mean, prior_var, alpha, beta):
    n = len(data)
    sample_mean = np.mean(data)
    sample_var = np.var(data, ddof=1)
    posterior_mean = (prior_var * sample_mean + alpha * prior_mean) / (prior_var + alpha)
    posterior_var = 1 / (1 / prior_var + n / beta + (n * prior_var * (sample_mean - prior_mean) ** 2) / (2 * (prior_var + alpha)))
    return posterior_mean, posterior_var

# 示例数据
data = [1.2, 2.3, 0.7, 1.9, 3.5, 2.6, 1.8, 2.5, 1.3, 1.6]

# 先验分布的参数
prior_mean = 2
prior_var = 1

# 超参数
alpha = 1
beta = 1

# 贝叶斯估计
posterior_mean, posterior_var = bayesian_estimation(data, prior_mean, prior_var, alpha, beta)

# 输出结果
print("Posterior mean: ", posterior_mean)
print("Posterior variance: ", posterior_var)

该代码实现了对一组数据进行贝叶斯估计，其中使用了正态分布的参数估计函数。在示例中，我们使用了一个包含10个数据点的数据集，并使用先验均值为2，先验方差为1的正态分布作为先验分布。超参数alpha和beta均为1。最终输出了后验均值和后验方差。