Neden olduğu


21

Arka fon

Varyanstan önce en sık kullanılan zayıf yönlerden biri parametreleri olan ters gamadır (Gelman 2006) .α=0.001,β=0.001

Bununla birlikte, bu dağılım yaklaşık% 90 CI'ye sahiptir .[3x1019,]

library(pscl)
sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001))

[1] 3.362941e+19          Inf

Bu, ben yorumlamak varyans çok yüksek olacak, düşük olasılığı ve varyans 1 'den az olacak şekilde çok düşük bir olasılık sağlayan P ( σ < 1 | a = 0.001 , β = 0,001 ) = 0.006 .benG,(0.001,0.001)P(σ<1|α=0.001,β=0.001)=0.006

pigamma(1, 0.001, 0.001)
[1] 0.006312353

Soru

Bir şey mi eksik veya daha önce bilgilendirici mi?

güncelleştirmek o varyans muazzam olduğunu çok güçlü bir şekilde iddia ve iyi hemen hemen her varyans ölçeğinin ötesinde hiç ölçülür çünkü netleştirmek için, bu 'bilgilendirici' düşündüğünü nedenidir.

takip , çok sayıda varyans tahmininin bir meta-analizinin daha makul bir öngörü sağlayabilir mi?


Referans

Gelman 2006. Hiyerarşik modellerde varyans parametreleri için önceki dağılımlar . Bayes Analizi 1 (3): 515-533


1
"Gerçek" bilgilendirici olmayan bir önceki dağılım bir dağıtım değildir. Dolayısıyla P (sigma <1) gibi önceden bir olasılık yoktur.
Stéphane Laurent

Yanıtlar:


38

Ters gama dağılımını kullanarak şunları elde ederiz:

p(σ2|α,β)α(σ2)-α-1exp(-βσ2)

Eğer ve α 0 olursa, ters gammanın daha önce Jeffreys'e yaklaşacağını kolayca görebilirsiniz . Bu dağılıma "bilgilendirici" denir, çünkü daha önce Jeffreys için uygun bir yaklaşımdır.β0α0

p(σ2)α1σ2

Ölçek parametreleri için bilgilendirici olmayan, örneğin buradaki sayfa 18'e bakın , çünkü bu önceki ölçek değişikliğinde değişmez kalan tek değerdir (yaklaşıklığın değişmez olmadığını unutmayın). Bu bir belirsiz integralini sahip aralığı ise uygunsuz olduğunu göstermektedir σ 2 ya içeren 0 ya da . Ancak bu vakalar sadece matematikteki problemlerdir - gerçek dünyada değil. Asla varyans için sonsuz değeri asla gözlemlemeyin ve eğer gözlemlenen varyans sıfırsa, mükemmel verilere sahipsiniz !. Çünkü L > 0'a eşit bir alt sınır ve U'ya eşit bir üst sınır ayarlayabilirsinizgünlük(σ2)σ20L>0 ve dağıtımınız uygun.U<

Bunun "bilgilendirici" olmadığı garip görünse de, büyük olanlara küçük sapmayı tercih etmesi, ancak bu sadece bir ölçekte. yanlış düzgün bir dağılımı olduğunu gösterebilirsiniz . Yani bu daha önce herhangi bir ölçeği diğerinden daha fazla desteklemiyorgünlük(σ2)

Sorunuzla doğrudan ilgili olmasa da , Jeffreys'de α ve β yerine daha önce ve U üst ve alt limitlerini seçerek "daha iyi" bilgilendirici olmayan bir dağıtım öneririm . Genellikle, σ 2'nin gerçek dünyada ne anlama geldiğine dair biraz düşünce ile sınırlar oldukça kolay bir şekilde ayarlanabilir . Bir tür fiziksel miktardaki hata buysa - L , bir atomun boyutundan veya denemenizde gözlemleyebileceğiniz en küçük boyuttan daha küçük olamaz. Daha fazla ULUαβσ2LUyeryüzünden daha büyük olamazdı (ya da gerçekten muhafazakar olmak istiyorsanız güneş). Bu şekilde değişmezlik özelliklerinizi korur ve örneklemeden önce daha kolay olur: ve sonra σ 2 olarak simüle edilen değeri al ( b ) = exp ( q ( b ) ) .q(b)~UnbenfÖrm(günlük(L),günlük(U))σ(b)2=exp(q(b))


5
+1 sadece soruyu cevaplamak için değil, aynı zamanda yararlı tavsiyeler vermek için.
whuber

lÖg(σ)

Betbir2(1,1)F1,1Betbir2(0,0)
olasılık

1
[0,]σ~exp(U(lÖg(L),lÖg(U))σ~U(L,U)
David LeBauer

(0,)α=1,β=1/2

10

Daireye oldukça yakın. Ortanca değeri 1.9 E298, neredeyse en büyük bir numara çift hassasiyetli yüzer aritmetik olarak temsil edilebilir. İşaret ettiğiniz gibi, gerçekten çok büyük olmayan herhangi bir aralığa atama olasılığı gerçekten küçüktür. Bundan daha az bilgilendirici olmak zor!


açıklaman için teşekkürler. Yakınsama problemleri ile karşılaşıyorum ve birlikte çalıştığım değişkenlerin çoğunun araçları <1000 (yani bir şey> 1000 g ise kg olarak ölçülür) ve sapmalar yaklaşık olarak aynı sırada büyüklüğü. Bu yüzden, değeri veya nasıl bölümlendiğine dair iyi bir ön bilgiye sahip olmasam bile, bu bilgiyi içeren daha fazla önceliğe ihtiyacım olduğunu fark ediyorum.
David LeBauer

Modele bağlı olarak, posteriorunuz bunu daha önce kullanmadan çok uygunsuz olabilir
JMS
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.