Jeffreys先验多个参数


14

在某些情况下,前一个完整的多维模型的杰弗里被generaly视为不足,这是例如的情况下: (其中, ε Ñ 0 σ 2,具有 μ σ未知),其中事先下面是首选(与全杰弗瑞斯现有 π μ σ α σ - 2): p μ σ = π μ ·&π σ α σ - 1

yi=μ+εi,
εN(0,σ2)μσπ(μ,σ)σ2 其中 π μ 是保持 σ固定时(以及类似的 p σ )获得的Jeffreys先验值。当在单独的组中处理 σ μ时,该先验与参考先验重合。
p(μ,σ)=π(μ)π(σ)σ1,
π(μ)σp(σ)σμ

问题1:为什么将它们分为不同的组比在同一组中进行处理更有意义(如果我正确的话,这会导致(?),在完整的Jeffreys文献中,请参见[1])?


然后考虑以下情况: 其中 θ ∈ [R Ñ是未知的, ε Ñ 0 σ 2 σ是未知,和是一种已知的非线性函数。在这种情况下,很诱人,根据我的经验,有时可以考虑以下分解: p σ θ = π σ π θ

yi=g(xi,θ)+εi,
θRnεiN(0,σ2)σg 其中 π σ π θ 是两个子模型的Jeffreys先验,如同先前的比例尺位置示例一样。
p(σ,θ)=π(σ)π(θ),
π(σ)π(θ)

问题2:在这种情况下,我们能否从导出的先验说出关于最优性的任何信息?p(σ,θ)


[1]来自https://theses.lib.vt.edu/theses/available/etd-042299-095037/unrestricted/etd.pdf

最后,我们注意到Jeffreys的先验是参考先验的特例。具体而言,Jeffreys先验对应于参考先验,在该参考先验中所有模型参数都在一个组中进行处理。


2
我认为您的意思是多变量模型,严格来说,多变量回归是为左侧的多个变量保留的。
mdewey

Answers:


2

πθσ1个σπθσ1个σ2


1
谢谢您的输入。尽管如此,在我看来,Jeffreys Prior在某种意义上提供了某种最优性,至少在1d环境中,它们是使信息理论量最小化的一种意义,该理论量可​​以说是有意义并可以讨论(请让我知道我是否错了) )。我的观点是:我们可以写出类似的“标准”吗,Jeffreys的先前过程满足我的问题中给出的两个设置?从我的问题中给出的引言来看,似乎是的,我喜欢讨论选择此标准而不是另一个标准的含义(从纯粹的IT角度来看:)。
peuhp
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.