Soruyu gerçekten cevaplamıyorum, çünkü sizi bir hiper prior kullanan kitaplara veya makalelere işaret etmiyorum, bunun yerine Gamma parametreleriyle ilgili önceliklerle ilgili şeyleri açıklıyorum ve bunlara bağlantı veriyorum.
İlk olarak, Poisson-Gamma modelinin entegre edildiğinde ve parametreleriyle Negatif Binom dağılımına yol açtığını unutmayın . İkinci parametre aralığındadır . Bilgisiz olmak istiyorsanız, öncesinde bir Jeffreys uygun olabilir. Öncekini doğrudan koyabilir veya aşağıdakileri elde etmek için değişkenleri değiştirerek çalışabilirsiniz:α β / ( 1 + β ) ( 0 , 1 ) p = β / ( 1 + β ) pλαβ/ (1+β)( 0 , 1 )p = β/ (1+β)p
p ( β) ∝ β- 1 / 2( 1 + β)- 1
Alternatif olarak, bu notu olabilir genel olarak, Gama dağıtımı için ölçekli bir parametredir ve önce bir ölçü parametredir için, Jeffreys olan . Beta'dan önceki Jeffreys'in iki model arasında farklı olması garip gelebilir , ancak modellerin kendileri eşdeğer değildir; biri dağıtımı içindir ve diğeri . Birincisi lehine yapılan bir argüman, kümelenme olmadığı varsayılarak, verilerin gerçekten Negatif Binom'a dağıtıldığından , öncelikleri doğrudan ve koymaktır.β 1 / β β y | α , β λ | α ,ββ1 / ββy| α,βλ | α , β( α , p )αpyapılacak şeydir. OTOH, örneğin, verilerde her kümedeki gözlemlerin aynı sahip olduğu kümeler varsa, gerçekten şekilde modellemeniz gerekir ve bu nedenle bir Gamma dağılımının ölçek parametresi olarak davranmanız gerekir daha uygun görünüyor. (Muhtemelen tartışmalı bir konu hakkındaki düşüncelerim.)λλβ
İlk parametre Jeffreys önceliklerinden de geçilebilir. Her bir parametre için bağımsız olarak Jeffreys önceliklerini geliştirmek için ortak bir teknik kullanırsak ve sonra iki tek parametreli önceliğin ürünü olarak eklemi (Jeffrey olmayan) oluşturursak, bir Gama dağılımının şekil parametresi için bir önceliği alırız :α
p ( α ) ∝ PG ( 1 , α )-------√
burada çok eşleme işlevi . Tuhaf, ama aşılabilir. Bilgiyi dağıtmadan önce bilgilendirici bir eklem elde etmek için bunu yukarıdaki Jeffreys öncüllerinden herhangi biriyle birleştirebilirsiniz. Gamma ölçeği parametresi için önceki ile birleştirilmesi , Gamma parametreleri için önceki bir başvuruyla sonuçlanır. 1 / βPG ( 1 , α ) = ∑∞i = 0( i + α )- 21 / β
Gamma parametreleri için gerçek Jeffreys'i oluşturan Tam Jeffreys rotasına gitmek istersek, şunu elde ederiz:
p ( α , β) Α α PG ( 1 , α ) - 1-----------√/ β
Bununla birlikte, çok boyutlu parametreler için Jeffreys öncelikleri genellikle zayıf özelliklere ve zayıf yakınsama özelliklerine sahiptir ( dersle bağlantıya bakınız ). Gamma için durumun bu olup olmadığını bilmiyorum, ancak test etmek bazı yararlı bilgiler sağlayacaktır.
Gama ile ilgili öncelikler hakkında daha fazla bilgi için, Bilgilendirici Olmayan Öncelikler Kataloğu , Yang ve Berger'in 13-14. Sayfalarına bakın . Çok sayıda başka dağıtım da orada. Jeffreys'e genel bir bakış ve referans öncelikleri için bazı ders notları .