一半Cauchy是柯西分布的对称半部分之一(如果未指定,则是预期的右半部分):
由于柯西的右半边的面积是然后必须将密度加倍。因此,PDF中的2(尽管缺少1)1个2(在评论中指出)。1个π
半漂亮的人有很多特性。一些我们可能需要的有用的属性。
缩放参数上先验的一个常见选择是反伽玛(这很重要,因为它在某些常见情况下是共轭的)。当需要提供较弱的先验信息时,将使用非常小的参数值。
一半的Cauchy尾巴很重,在某些情况下它也可能被认为缺乏足够的信息。盖尔曼(例如[1])提倡对反伽玛进行半t先验(包括半Cauchy),因为它们对于较小的参数值具有更好的行为,但仅在使用大规模参数 * 时才将其视为有益的信息 。近年来,盖尔曼(Gelman)更加专注于半开玩笑。Polson和Scott [2]的论文特别给出了选择半Cauchy的其他原因。
*您的帖子显示标准的半可爱。盖尔曼可能不会事先选择它。如果您对所有标尺都不了解,则表示该标尺可能大于1小于1(可能是您想要的),但它与Gelman争论的某些事情不符对于。
[1] A. Gelman(2006),
“层次模型中方差参数的先验分布”,
贝叶斯分析,第一卷。1,N。3,第515–533页
http://www.stat.columbia.edu/~gelman/research/published/taumain.pdf
[2] NG Polson和JG Scott(2012),
“关于全球尺度参数的半漂亮先验”,
贝叶斯分析,第1卷。7,第4号,887-902页
https://projecteuclid.org/euclid.ba/1354024466