Larry Wasserman 교수는 자신의 저서 인 "All of Statistics"에서 다음과 같은 예를 제시합니다 (188 페이지 11.10). f ( x ) = c 와 같은 밀도 가지고 있다고 가정하자 -여기서 g 는알려진(음이 아닌, 적분 가능) 함수이며 정규화 상수 c > 0 은알 수 없습니다.
우리는 c = 1 / ∫ g ( x )를 계산할 수없는 경우에 관심이 있습니다 . 예를 들어, f 가 매우 높은 샘플 공간에서 pdf 인경우 일 수 있습니다.
c 는 알 수 없지만 로부터 샘플링 할 수있는 시뮬레이션 기법이 있다는 것은 잘 알려져 있습니다. 따라서 퍼즐은 다음과 같습니다. 어떻게 그러한 표본에서 c 를 추정 할 수 있습니까?
Wasserman 교수는 다음 베이지안 솔루션을 설명합니다. 를 c 보다 우선시하십시오 . 가능성은 L x ( c ) = n ∏ i = 1 f ( x i ) = n ∏ i = 1 ( c 따라서 사후 π ( c ∣ x ) ∝ c n π ( c ) 는 표본 값 x 1 , … , x n에 의존하지 않습니다. 따라서 베이지안은 표본에 포함 된 정보를 사용하여 c 에 대한 추론을 할 수 없습니다.
Wasserman 교수는 "베이지 아인은 우도 기능의 노예입니다. 우도가 악화되면 베이지안 추론도 마찬가지입니다"라고 지적합니다.
동료 스태커에 대한 내 질문은 :이 특정 예와 관련하여 베이지안 방법론에서 무엇이 잘못 되었습니까?
추신 : 교수 Wasserman은 친절하게 그의 답변에서 설명했듯이, 그 예는 Ed George에 의한 것입니다.