Olasılık fonksiyonunun pdf (olasılık yoğunluk fonksiyonu) olmama nedeni nedir?
Olasılık fonksiyonunun pdf (olasılık yoğunluk fonksiyonu) olmama nedeni nedir?
Yanıtlar:
İki tanımla başlayacağız:
Bir olasılık yoğunluğu fonksiyonu (pdf) bütünleşik negatif olmayan bir fonksiyondur .
Olabilirlik, parametrenin bir fonksiyonu olarak gözlenen verinin eklem yoğunluğu olarak tanımlanır. Ancak, aşağıdaki yorumda @whuber tarafından yapılan Lehmann referansı ile işaret edildiği gibi , olabilirlik işlevi, veriler sabit bir sabit olarak tutulan verilerle, yalnızca parametrenin bir fonksiyonudur. Dolayısıyla, verilerin bir fonksiyonu olarak bir yoğunluk olduğu gerçeği önemsizdir.
Bu nedenle, olabilirlik işlevi bir pdf değildir çünkü parametreye göre bütünleşmesi zorunlu olarak 1'e eşit değildir (ve aslında, @whuber'ın başka bir yorumunda belirtildiği gibi bütünleştirilemez).
Bunu görmek için basit bir örnek kullanacağız. Tek bir gözlem, varsayalım bir mesafede, dağılımı. O zaman olabilirlik işlevi
olduğu bir gerçektir . Özellikle, , sonra , öyleyse
ve olduğunda benzer bir hesaplama uygulanır . Bu nedenle, bir yoğunluk işlevi olamaz.
Belki de çok daha olabilirlik bir olasılık yoğunluk olduğunu işaret etmek değil neden göstererek bu teknik örnekte daha önemli olasılığıdır değil doğru olma parametre değerinin olasılık böyle ya da bir şey - o olasılık (yoğunluk) 'dir verilerin tamamen farklı bir şey olan parametre değeri verilen . Bu nedenle, olasılık fonksiyonunun olasılık yoğunluğu gibi davranması beklenmemelidir.
Tamam ama olabilirlik işlevi, parametresi verilen gözlenen veriler için ortak olasılık yoğunluğudur . Bu nedenle, bir olasılık yoğunluğu işlevi oluşturmak için normalleştirilebilir. Bu yüzden aslında bir pdf gibi.
Ben bir istatistikçi değilim, ancak benim anlayışım, olasılık fonksiyonunun kendisinin parametre (ler) ile ilgili bir PDF olmasa da, Bayes Kuralı tarafından doğrudan bu PDF ile ilgili olduğudur. Olabilirlik fonksiyonu, P (X | teta) ve posterior dağılım, f (teta | X), sıkı bir şekilde bağlanmıştır; "Tamamen farklı bir şey" değil.
Olabilirlik, , burada f (x; θ) olasılık kütle işlevi ise O zaman olabilirlik her zaman birden azdır, ancak f (x; θ) olasılık yoğunluğu işlevi ise, olasılık birden fazla olabilir, çünkü yoğunluklar birden fazla olabilir.
Normalde örnekler işlenir, sonra:
Orijinal biçimini görelim:
Bayesian çıkarımına göre, tutar, yani . Azami olabilirlik tahmininin , önceki inançları dikkate almayan kanıtların sabit olarak önceliğe (bu sorunun cevabına bakınız) oranını değerlendirdiğine dikkat edin . Olasılığın, tahmin edilen parametrelere dayanan posterior ile pozitif korelasyonu vardır. bir pdf olabilir, ancak , in ' in sadece bir parçası olmadığından beri değildir .
Örneğin, bir Gauss dağılımının ortalama ve standart varyansını bilmiyorum ve onları bu dağıtımdan pek çok örnek kullanarak eğiterek almak istiyorum. İlk önce ortalama ve standart varyansı rastgele (Gauss dağılımını tanımlar) başlatırım, sonra bir numuneyi alıp tahmini dağılıma uyarım ve tahmini dağılımdan bir olasılık alabilirim. Sonra örneği yerleştirip pek çok olasılık alıyorum ve sonra bu olasılıkları çarpıp bir puan alıyorum. Bu tür bir puan olabilir. Belli bir pdf olasılığı pek olamaz.