Bilinmeyen ortalama ve varyans ile normal dağılım için Jeffreys Prior


12

Önceki dağılımları okuyorum ve Jeffreys'i, ortalama ve bilinmeyen varyansı bilinmeyen normal olarak dağıtılmış rasgele değişkenlerin bir örneği için hesapladım. Benim hesaplamalara göre, Jeffreys için aşağıdakiler daha önce geçerlidir: Burada,benFisher bilgi matristir.

p(μ,σ2)=det(I)=det(1/σ2001/(2σ4))=12σ61σ3.
I

Ancak şunu da belirten yayınları ve belgeleri okudum:

bilinmeyen ortalama ve varyans ile normal dağılım durumunda Jeffreys gibi. Önceden 'gerçek' Jeffreys nedir?

Yanıtlar:


7

Farklılıkların yazarların üzerindeki yoğunluğu veya σ 2 üzerindeki yoğunluğu dikkate alıp almadığını açıklamak düşünüyorum . Bu yorumlama, kesin bir şey desteklenmesi Kass ve Wassermann yazma olduğunu, π ( μ , σ ) = 1 / σ 2 , Yang ve Berger yazma sırasında π ( μ , σ 2 ) = 1 / σ 4 .σσ2

π(μ,σ)=1/σ2,
π(μ,σ2)=1/σ4.

2
Teşekkürler, bunu göz ardı ettim. Bununla birlikte, bu hala ve 1 / σ 4 arasındaki tutarsızlığı açıklamamaktadır . 1/σ31/σ4
Nussig

3
Aslında, bir önceki sahip , önceki sahip olarak aynı TT ( ^ ı , σ 2 ) = 1 / σ 3 : Jeffreys önce bir yeniden parametreleme özelliği nedeniyle, tt ( μ , σ ) = π ( μ , σ 2 ) d e t ( J f ) 1π(μ,σ)=1/σ2π(μ,σ2)=1/σ3 ileJfarasında Jacobi matrisf:(μ,σ)(μ,σ2), örneğin, Jf=( 1 0 0 2 σ ).
π(μ,σ)=π(μ,σ2)det(Jf)1σ32σ1σ2
Jff:(μ,σ)(μ,σ2)
Jf=(1002σ)
Nussig

3
1/σ31/σ

3
π(μ,σ)=1/σπ(μ,σ2)=1/σ2π(μ,σ2)=1/σ4

2
Jim Berger hala aktif bir bilim adamıdır, bu yüzden doğrudan onunla kontrol edebileceğinizden emin olmak için: stat.duke.edu/~berger
A. Donda

4

μσ2[μ]m[σ2]m2σ

π(μ,σ)1/σ2
π(μ,σ2)1/σ3

σ3

3

1σ31σ2log(σ)


1
log(σ)χ2
(μ,σ2)|DNχ1(X¯,n,n,1n(XiX¯)2).
1/σ2χ2

1
χ2(X¯,n,n1,s2)σ2χ2
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.