基于MCMC方法的头部概率估计

Question

我试图学习贝叶斯参数估计，并在here上找到了一些非常好的教程（教程1&2）。为了验证我的理解，我正在尝试实现MCMC方法来估计基于给定数据集得到头部的概率。输入数据集有8个头部和2个尾部。假设先验服从Beta（2,2），得到水头的解析概率=（8+2）/（10+2+2）=0.71。然而，当我尝试使用metropolis-hastings算法时，得到了完全不同的答案。有人能在这里检查一下我的实现并解释一下我遗漏了什么吗

http://nbviewer.ipython.org/github/ragrawal/meetup/blob/master/notebook/MCMC.ipynb

Answer 1

我想你的答案是0.7147231334，这不是问题。即使你的分析答案是0.71，也可能有点不同。你知道吗

实际上，解析答案0.71是后验分布的后验平均值，你的答案是它的数值近似值（样本平均值）。你知道吗