잦은 결과로부터 베이지안 만들기


13

사전에 빈번한 결과를 베이지안으로 바꾸려면 어떻게해야합니까?

다음과 같은 일반적인 시나리오를 고려하십시오. 과거에 실험을 수행했으며 일부 매개 변수 에 대한 결과 가 측정되었습니다. 분석은 빈번한 방법론으로 수행되었습니다. 대한 신뢰 구간 이 결과에 제공됩니다.ϕϕϕ

이제 및 와 같은 다른 매개 변수를 측정하려는 새로운 실험을 수행하고 있습니다. 내 실험은 이전 연구와 다릅니다 --- 동일한 방법으로 수행되지 않습니다. 베이지안 분석을하고 싶습니다. 따라서 및 에 사전을 배치해야합니다 .ϕ θ ϕθϕθϕ

이전에 측정 된 는 수행되지 않았으므로, 그 전에 정보가없는 (예 : 균일) 배치합니다. θ

언급했듯이 신뢰 구간으로 제공된 대한 이전 결과가 있습니다 . 이 결과를 현재 분석에 사용하려면 이전 잦은 결과를 분석하기 전에 유익한 정보로 변환해야합니다. ϕ

이 구성 시나리오에서 사용할 수없는 옵션 중 하나 는 베이지안 방식으로 측정으로 이어진 이전 분석을 반복하는 것 입니다. 이 작업을 수행 할 수 있다면, 는 이전 실험에서 이후의 것으로 사용하여 이전의 것으로 사용할 것이며 아무런 문제가 없을 것입니다.ϕϕ ϕ

분석을 위해 잦은 CI를 베이지안 사전 분포로 어떻게 변환해야합니까? 또는 다른 말로, 어떻게 그들의 frequentest 결과를 번역 할 수있는 에 후방에 그때 내 분석 이전으로 사용할 것이라고?ϕϕϕ

이러한 유형의 문제를 논의하는 통찰력이나 참고 자료는 환영합니다.


이전 또는 후 분포?
Tim

명확성을 위해 편집하는 것이 더 좋습니까?
bill_e

당신은-무한대에서 + 무한대까지 균일을 가질 수 있습니까
mdewey

이것이 메타 분석과 어떤 관련이 있는지 확실하지 않습니다. 당신은 명확히 할 수 있습니다
mdewey

3
일치하는 우선 순위, Welch 및 Peers 스타일을 찾고 있습니다. 이 리뷰를 살펴보십시오 : projecteuclid.org/euclid.lnms/1215091929
Zen

답변:


3

짧은 버전 : std를 사용하여 이전 추정값을 중심으로 가우시안을 가져옵니다. dev. CI와 같습니다.

ϕ0ϕ^P(ϕ)=ctϕ0ϕ^

P(ϕ0|ϕ^)=P(ϕ^|ϕ0)P(ϕ0)P(ϕ^)=P(ϕ^|ϕ0)ctP(ϕ^)
ϕ0P(ϕ^|ϕ0)ϕ^
  1. 관측치 수가 증가함에 따라 MLE은 점진적으로 가우시안입니다.
  2. ϕ0
  3. ϕ0

또 다른 방법 : 베이지안 후부와 일관되고 효율적인 추정기의 분포는 점진적으로 동일합니다.


이 솔루션은 68 % CI (1 시그마)에 대한 것임을 추가해야합니다. 신뢰 구간이 95 % 인 경우 두 시그마에 있으므로 CI를 2로 나누고 99.7 %에 있으면 3 시그마이므로 3으로 나눠야합니다. en.wikipedia.org/wiki/ 68 % E2 % 80 % 9395 % E2 % 80 % 9399.7_rule
Alex Monras 2016 년

나는 당신의 의견에 정확히 무엇이 있는지 언급했습니다 :-) 아마도 당신은 당신의 회신에 그것을 추가해야합니다.
Rolazaro Azeveires

1

ttσ2S2(np)/σ21/σ2

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.