共轭先验的理由?


12

除了可用性之外,使用共轭先验是否有任何认识论依据(数学,哲学,启发式等)?还是仅仅是因为它通常是一个足够好的近似值,并且使事情变得容易得多?


事实上,在很多情况下,你并不需要同时采用MCMC,例如,使用结合先验stats.stackexchange.com/questions/126265/...
蒂姆

2
使用共轭先验没有任何限制,因为共轭先验的离散混合物也是共轭的,因此您在设置共轭先验时具有很大的灵活性。
jaradniemi 2015年

Answers:


16

也许满足类别“启发式”的理由,共轭先验是有用的,因为其中包括“虚拟样本解释”。

例如,在Beta-Bernoulli情况下,共轭先验是具有密度 可以解释为样本大小为(很轻松,因为当然不必为整数),且成功:

π(θ)=Γ(α0+β0)Γ(α0)Γ(β0)θα01(1θ)β01
n_=α0+β02n_α01˚Fÿ|θ
π(θ)=Γ(α0+β0)Γ(α0)Γ(β0)θα01(1θ)n_(α01)f(y|θ),
其中是似然函数。f(y|θ)

这可能会给您一些有关如何选择先验参数的指示:在某些情况下,您也许可以说,例如,您对硬币的公平性有把握,就好像您扔了20次一样。看到了十个头 当然,这就是先验信念的力量,与您确信它的公平性就好比您将其扔了100次并看到过50个头时不同。


是否每个共轭先验都有这样的理由?我不确定...
蒂姆

我对Diaconis and Ylvisaker(1979)p274上的评论的阅读表明,答案是肯定的。
Christoph Hanck

3

通过Diaconis和Ylvisaker(1979)的结果,我们知道,在可能性为指数族的情况下,当且仅当先验是共轭的,线性估计量才是贝叶斯。

这表明当估计量为线性时,在使用共轭之前有一些基本的重要性。


nts:我在Johnstone的书的第2.3章中看到了这个结果
user795305 '17
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.