正态混合模型:EM 求 MAP + 后验的 Laplace 正态近似
真实参数
混合比例 w
μ
1
μ
2
σ
样本量 n
随机种子
先验超参数
m
tau
a (Beta)
b (Beta)
alpha (IG)
beta (IG)
算法设置
EM 初值
k-means
分位数
随机
Gibbs 迭代数
对 w, sigma^2 作 logit / log 变换后再近似
生成数据并运行
① 数据与拟合
② EM 收敛
③ 后验正态近似
④ 信息分解 (Louis)
⑤ n 的影响
⑥ 说明
边际比较:Laplace 近似 vs Gibbs(真实后验)
联合分布:Gibbs 散点 vs Laplace 95% 椭圆
对一列样本量重复「生成数据 → EM → Louis → Gibbs」并比较 95% 区间; 随 n 增大,Laplace 近似应逐渐贴合真实后验。
运行样本量扫描(约十几秒)