«jeffreys-prior» 태그된 질문

2
Jeffreys Priors와 분산 안정화 변환의 관계는 무엇입니까?
나는 Wikipedia에서 Jeffreys에 대해 읽었습니다 : Jeffreys Prior 는 각 예제 후에 분산 안정화 변환이 Jeffreys를 이전에 균일하게 만드는 방법을 설명합니다. 예를 들어, Bernoulli 사례의 경우 확률이 γ∈[0,1]γ∈[0,1]\gamma \in [0,1] 인 동전의 경우 Bernoulli 시험 모델은 매개 변수에 대한 Jeffreys 이전의 결과를 나타냅니다 .γγ\gamma p(γ)∝1γ(1−γ)−−−−−−−√p(γ)∝1γ(1−γ) p(\gamma) \propto \frac{1}{\sqrt{\gamma ( 1-\gamma)}} …

2
Jeffreys와 달리 이전 버전의 예는 변하지 않는 후부로 이어집니다.
2 주 전에 여기에했던 질문에 대한 "답변"을 다시 게시하고 있습니다. 왜 Jeffreys가 이전에 유용합니까? 그것은 실제로 질문이었습니다 (그리고 당시에 의견을 게시 할 권리도 없었습니다). 그래서 나는 이것을 할 수 있기를 바랍니다. 위의 링크에서 Jeffreys의 흥미로운 특징은 모델을 다시 매개 변수화 할 때 결과로 발생하는 후방 분포가 변형에 의해 부과 된 …

1
여러 매개 변수에 대한 Jeffreys
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 일치합니다와이나는= μ + ε나는,와이나는=μ+ε나는, …

1
정보가없는 선행의 요점은 무엇입니까?
왜 유익하지 않은 사전 정보가 있습니까? 대한 정보는 제공하지 않습니다 . 왜 그것들을 사용합니까? 유익한 사전 정보 만 사용하는 이유는 무엇입니까? 예를 들어, 이라고 가정하십시오 . 그렇다면 은 대한 비 정보적인 정보 입니까?θθ\thetaθ∈[0,1]θ∈[0,1] \theta \in [0,1]θ∼U(0,1)θ∼U(0,1)\theta \sim \mathcal{U}(0,1)θθ\theta

3
평균 및 분산을 알 수없는 정규 분포의 Jeffreys Prior
사전 분포를 읽고 있으며 평균 및 분산이 알려지지 않은 정규 분포 확률 변수의 표본에 대해 Jeffreys를 미리 계산했습니다. 내 계산에 따르면 다음은 Jeffreys 이전에 보유한 것입니다. 여기서 Fisher의 정보 매트릭스입니다.나는p ( μ , σ2) = de t ( 나는)−−−−−√= de t ( 1 / σ2001 / ( 2 σ4))−−−−−−−−−−−−−−−−−−√= 12 …

1
통계 학자들은 실제 응용 작업에서 Jeffreys의 사전을 사용합니까?
대학원 통계 추론 수업에서 Jeffreys의 이전에 대해 배웠을 때 교수님들은 누군가가 그것을 사용하기보다는 역사적 이유로 대부분 흥미로워하는 것처럼 들었습니다. 그런 다음 베이지안 데이터 분석을 수행 할 때 Jeffreys의 사전 사용을 요청받지 않았습니다. 실제로 실제로 이것을 사용하는 사람이 있습니까? 그렇다면 (또는 그렇지 않은 경우) 왜 또는 왜 그렇지 않습니까? 일부 통계 …

1
이항 우도에 대한 제프리
이항 확률 매개 변수 대해 Jeffreys를 사용하면 분포를 사용하는 것을 의미 합니다.θθ\thetaθ∼beta(1/2,1/2)θ∼beta(1/2,1/2)\theta \sim beta(1/2,1/2) 새로운 참조 프레임 하면 분명히 도 분포 로 배포되지 않습니다 .ϕ=θ2ϕ=θ2\phi = \theta^2ϕϕ\phibeta(1/2,1/2)beta(1/2,1/2)beta(1/2,1/2) 내 질문은 제프리스가 재 파라미터 화에 불변의 의미로 어떤 의미로 있는가? 나는 정직한 주제를 오해하고 있다고 생각합니다 ... 베스트, 벤
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.