Answers:
De Finetti的表示定理在概率的主观解释中给出了统计模型存在的理由,参数的含义以及它们的先验分布。
假设随机变量代表连续抛硬币的结果,值1和0分别对应于结果“ 正面”和“尾部”。在对概率演算进行主观解释的背景下,De Finetti分析了X i是独立且均匀分布的通常的常客模型的含义,De Finetti观察到独立性的条件意味着,例如, P { X n = x n ∣ X 1 = x 1 因此,前 n - 1次抛掷的结果不会改变我对第 n次抛掷的不确定性。例如,如果我先验地认为这是一个平衡的硬币,那么在获得前 999次抛掷被证明是“ Heads”的信息之后,我仍然会以该信息为条件,相信获得“上抛1000正面”是等于 1 / 2。实际上,关于 X i的独立性的假设将意味着不可能通过观察抛硬币的结果来了解有关硬币的任何信息。
这一发现导致De Finetti引入了一种弱于独立性的条件,从而解决了这一明显的矛盾。De Finetti解决方案的关键是一种称为交换性的分布对称性。
对于给定的有限集合 { X 我} Ñ 我= 1随机的对象,让 μ X 1,... ,X Ñ表示他们的联合分布。这个有限集合是可更换的,如果 μ X 1,... ,X Ñ = μ X π (1 ),... ,X π (Ñ ),对于每一个排列 π :{ 1 ,...。序列 { X 我} ∞ 我= 1随机对象的是可更换的它的每一个有限子集是可更换的。
在Zen的回答中,一切在数学上都是正确的。但是,我在某些方面不同意。请注意,我不主张/不认为自己的观点是好观点。相反,我觉得这些观点对我来说还不是很清楚。这些是我想讨论的一些哲学问题(对我来说是一项很好的英语练习),我对任何建议也很感兴趣。
关于带有 “ Heads” 的示例,Zen评论道:“的独立性假说意味着不可能通过观察抛硬币的结果来了解有关硬币的任何信息。” 从频率论者的角度来看,这是不正确的:学习硬币意味着学习,这可以通过从先前结果中估算(点估计或置信区间)来实现。如果常客看到 “ Heads”,那么他/她得出结论可能接近,因此也是如此。
顺便说一下,在这个掷硬币的例子中,随机多少?想象两个人都用相同的硬币无限次玩掷硬币的游戏,为什么他们会找到不同的?我要记住,抛硬币的特征是固定的,这是任何游戏者(出于技术上的数学原因,“几乎所有游戏者”)的的通用值。一个没有可解释的随机的更具体的示例是在和的有限总体中随机替换样本的情况。
关于Schervish的书和OP提出的问题,我认为(快速地说)Schervish表示可交换性是一个“酷”的假设,然后deFinetti定理是“酷”的,因为它说每个可交换模型都有一个参数表示。当然,我完全同意。但是,如果我假设使用可交换模型,例如和那么我会对执行关于和推断感兴趣,而不是对的实现感兴趣。如果我仅对的实现感兴趣,那么我对承担可交换性没有任何兴趣。Θ 〜贝塔(一,b )一个b Θ Θ
晚了...
你们可能对此主题的论文感兴趣(访问需要订阅期刊-尝试从您的大学访问):
O'Neill,B.(2011)可交换性,相关性和贝叶斯效应。国际统计评论77(2),第241-250页。
本文讨论了表示定理,将其作为贝叶斯和常客IID模型的基础,并将其应用于投币示例。它应该清除关于频繁主义者范式的假设的讨论。实际上,它在二项式模型之外对表示定理使用了更广泛的扩展,但是它仍然应该有用。