Sık bir sonuçtan önce Bayesyan yapmak


13

Önceden bir frekansçı sonucu Bayesya'ya çevirmek nasıl olur?

Aşağıdaki oldukça jenerik senaryoyu düşünün: Bir deney geçmişte yapılmıştır ve bazı parametre üzerinde bir sonuç ölçüldü. Analiz sık kullanılan bir metodoloji ile yapılmıştır. Sonuçlarda ϕ için bir güven aralığı verilmiştir.ϕϕ

Şimdi ben, bazı diğer parametreleri ölçmek hem söylemek istediğim yeni deney yapmak ediyorum ve cp . Deneyim önceki çalışmadan farklı --- aynı metodoloji ile yapılmıyor. Bir Bayes analizi yapmak istiyorum ve bu yüzden θ ve ϕ üzerine öncelikler koymam gerekecek .θϕθϕ

Hayır önceki ölçümleri I (kendi üniforma demek) üzerinde önceden bir bilgi vermez yerleştirmek, böylece yapılmamıştır. θ

Belirtildiği gibi, güven aralığı olarak verilen için önceki bir sonuç vardır . Bu sonucu mevcut analizimde kullanmak için, önceki frekansçı sonucu analizimden önce bilgilendirici bir dile çevirmem gerekiyordu. ϕ

Bu uydurma senaryoda bulunmayan bir seçenek, Bayes tarzında ölçümüne yol açan önceki analizi tekrarlamaktır . Bunu yapabilseydim, ϕ önceki denemeden sonra benim öncekim olarak kullanacağım bir posterior olurdu ve hiçbir sorun olmazdı.ϕ ϕ

Analizim için frekansçı CI'yı Bayesili bir dağılıma nasıl çevirmeliyim? Veya başka bir deyişle, nasıl onların frequentest Çeviri sonucunu verebilir bir arka içine cp o zaman benim analizde önceki olarak kullanmak edeceğini?ϕϕ

Bu tür bir konuyu tartışan herhangi bir öngörü veya referans kabul edilir.


Önceden mi yoksa arkadan mı dağılım?
Tim

netlik için düzenlenmiş, daha iyi?
bill_e

-Finity ile + infinity arasında bir üniforma olabilir mi
mdewey

Bunun meta analiz ile ne yapacağından emin değilim.
Açıklayabilir

3
Eşleşen öncelikleri, Welch ve Peers stilini arıyorsunuz. Şu incelemeye bir göz atın: projecteuclid.org/euclid.lnms/1215091929
Zen

Yanıtlar:


3

Kısa versiyon: std ile bir önceki tahminde merkezli bir Gaussian alın. dev. CI'ye eşittir.

ϕ0ϕ^P(ϕ)=ctϕ0ϕ^

P(ϕ0|ϕ^)=P(ϕ^|ϕ0)P(ϕ0)P(ϕ^)=P(ϕ^|ϕ0)ctP(ϕ^)
ϕ0P(ϕ^|ϕ0)ϕ^
  1. Gözlem sayısı arttıkça MLE asemptotik olarak Gauss'ludur,
  2. ϕ0
  3. ϕ0

Koymanın başka bir yolu: Bayesci posterior ve tutarlı ve verimli bir tahmincinin dağılımı asimptotik olarak aynı hale gelir.


Bu çözümün 1 sigma olan% 68 CI için olduğunu eklemeliyim. Senin güven aralıkları% 95 ise size 2 ile CI bölmeliyiz böylece% 99.7 iseler size 3. bölün bu yüzden o zaman 3 sigma vardır, iki Sigmas altındadır en.wikipedia.org/wiki/ % 68 E2% 80% 9395% E2% 80% 9399.7_rule
Alex Monras

Yorumunuzda tam olarak ne olduğunu yorumlamak zorunda kaldım :-) Belki de cevabınıza eklemelisiniz. Ben ...
Rolazaro Azeveires

1

ttσ2S2(np)/σ21/σ2

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.