여러 매개 변수에 대한 Jeffreys


14

경우에 따라 전체 다차원 모델 이전의 Jeffreys가 일반적으로 부적절한 것으로 간주됩니다. 예를 들면 다음과 같습니다. ( , 및 unknown으로 다음과 같은 이전을 선호합니다 (Jeffreys 이전의 ) : 유지 될 때 이전에 얻어진 제프리스이다 고정 (및 유사 대 ). 이 사전은 \ sigma를 치료할 때 이전의 참조와 일치합니다

와이나는=μ+ε나는,
ε(0,σ2)μσπ(μ,σ)σ2
(μ,σ)=π(μ)π(σ)σ1,
π(μ)σp(σ)σμ 는 별도의 그룹에 있습니다.

질문 1 : 별도의 그룹으로 처리하는 것이 동일한 그룹에서 처리하는 것보다 더 의미가있는 이유는 무엇입니까 (이전의 전체 차원 Jeffreys에서 올바른 경우 (?), [1] 참조)?


그런 다음

y나는=(엑스나는,θ)+ε나는,
여기서 θ아르 자형 을 알 수 없음, ε나는(0,σ2) , σ 는 알 수 없으며 는 알려진 비선형 함수입니다. 이 경우
(σ,θ)=π(σ)π(θ),
여기서 π(σ)π(θ) 는 이전 스케일 위치 예제와 같이 두 하위 모델의 Jeffreys 이전입니다.

질문 2 : 그러한 상황에서, 우리는 파생 된 이전 정보 이론적 관점에서) 최적성에 대해 말할 수 있습니까?(σ,θ)


[1] https://theses.lib.vt.edu/theses/available/etd-042299-095037/unrestricted/etd.pdf에서 :

마지막으로, 우리는 Jeffreys의 이전 사전이 참조 이전의 특별한 경우임을 주목합니다. 특히, Jeffreys 'prior는 모든 모델 매개 변수가 단일 그룹으로 처리되는 이전의 참조에 해당합니다.


2
다중 변수 모델을 의미한다고 생각합니다. 다변량 회귀는 엄격하게 왼쪽의 여러 변수에 예약되어 있습니다.
mdewey 2016 년

답변:


2

최적은 무엇입니까? Jeffreys에 대한 일반적이고 일반적인 "최적"결과는 없습니다. 그것은 모두 통계 분석의 목적과 절차를 평가하고 비교하기 위해 채택 된 손실 함수에 달려 있습니다. 그렇지 않으면 를 와 비교할 수 없습니다 . X validated에 대한 가장 인기있는 답변을 썼을 때, 가장 유익한 정보는 없습니다.π(θ,σ)1σπ(θ,σ)1σ2


1
귀하의 의견에 감사드립니다. 그럼에도 불구하고 Jeffreys prior는 적어도 1d 환경에서는 의미가 있고 토론 할 수있는 정보 이론적 양을 최소화하는 것입니다 (내가 틀렸다면 알려주십시오) ). 내 요점은 : 비슷한 "기준"을 작성할 수 있습니까? 제프리스의 이전 절차는 내 질문에 주어진 두 가지 설정을 충족합니까? 내 질문에 주어진 인용문에서, 그렇습니다. 나는이 기준을 다른 기준 대신 (순전히 IT 관점에서) 선택하는 의미에 대해 논의하는 것을 좋아합니다.
peuhp
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.