Hiyerarşik bayes modellerinde rastgele değişkenlerin değişebilirliği neden önemlidir?


Yanıtlar:


8

Değiştirilebilirlik hiyerarşik bir modelin temel bir özelliği değildir (en azından gözlem düzeyinde değil). Temel olarak standart literatürden "bağımsız ve özdeş olarak dağılmış" bir Bayes analogudur. Bu sadece eldeki durum hakkında bildiklerinizi tanımlamanın bir yoludur. Yani "karıştırma" sorununuzu değiştirmez. Bunu düşünmeyi sevdiğim bir yol, size verilen davayı ele almakxj=5 ama size j. Bunu öğrenirsenizxj=5 sizi belirli değerlerden şüphelenmenize jdiğerlerinden daha fazla ise, dizi değiştirilemez. Sana hiçbir şey söylemiyorsaj, ardından dizi değiştirilebilir. Exhcangeability'nin "gerçekte" değil "bilgide" olduğunu unutmayın - bu, bildiklerinize bağlıdır.

Değiştirilebilirlik, gözlemlenen değişkenler açısından önemli olmasa da, bazı değiştirilebilirlik kavramı olmadan herhangi bir modele uymak muhtemelen oldukça zor olacaktır, çünkü değiştirilebilirlik olmadan temel olarak birlikte gözlemleri bir araya getirmek için herhangi bir gerekçe yoktur. Yani tahminimce, modelin herhangi bir yerinde değiştirilebilirlik yoksa çıkarımlarınız çok daha zayıf olacaktır. Örneğin,xben~N-(μben,σben) için ben=1,...,N-. Eğerxben tamamen değiştirilebilir μben=μ ve σben=σ. Eğerxben şartlı olarak değiştirilebilir μben o zaman bu σben=σ. Eğerxben şartlı olarak değiştirilebilir σben o zaman bu μben=μ. Ancak, bu iki "koşullu olarak değiştirilebilir" durumdan birinde, çıkarım kalitesinin birincisine kıyasla azaldığına dikkat edin, çünkü fazladan birN-soruna dahil olan parametreler. Değiştirilebilirliğimiz yoksa, temel olarakN- ilgisiz sorunlar.

Temel olarak değiştirilebilirlik, çıkarım yapabileceğimiz anlamına gelir xbenparametrelerxj herhangi ben ve j kısmen değiştirilebilir


4

"Temel" çok belirsiz. Ama eğer teknikler,X={Xben} değiştirilebilir Xben gözlemlenmemiş bazı parametreler göz önüne alındığında koşullu olarak bağımsızdır Θ olasılık dağılımı ile π. Yani,p(X)=p(Xben|Θ)dπ(Θ). Θ tek değişkenli ve hatta sonlu boyutlu olmaları gerekmez ve ayrıca bir karışım, vb. olarak temsil edilebilir.

Değiştirilebilirlik, bu koşullu bağımsızlık ilişkilerinin, kesinlikle başka türlü yapamayacağımız modellere uymamızı sağlaması açısından önemlidir.


1

Öyle değil! Burada uzman değilim, ama iki sentimi vereceğim. Genel olarak hiyerarşik bir modeliniz varsa,

y|Θ1~N-(XΘ1,σ2)

Θ1|Θ2~N-(WΘ2,σ2)

Koşullu bağımsızlık varsayımları yaparız, yani Θ2, Θ1değiştirilebilir. İkinci seviye değiştirilebilir değilse, değiştirilebilen başka bir seviye ekleyebilirsiniz. Ancak, exchaganbelity varsayımı yapamamanız durumunda bile, model, ilk düzeyde verilerinize hala uygun olabilir.

Son olarak, fakat aynı derecede önemli olarak, değiştirilebilirlik yalnızca De Finetti'nin temsil teoremi açısından düşünmek istiyorsanız önemlidir. Önceliklerin, modelinize uymanıza yardımcı olan düzenlileştirme araçları olduğunu düşünebilirsiniz. Bu durumda, değiştirilebilirlik varsayımı, modelinizin verilere uyması kadar iyidir. Başka bir deyişle, Bayes hiyerarşik modelini verilerinize daha iyi uyum sağlamanın bir yolu olarak düşünüyorsanız, değiştirilebilirlik hiçbir anlamda önemli değildir.


@Mancel Formüllerinizi girintili yapmayın; aksi takdirde kelimesi kelimesine ( <pre>...</pre>HTML olarak) oluşturulur. Markdown biçimlendirme hakkında daha fazla bilgi için buraya bakın .
chl
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.