贝叶斯击球平均先验


23

我想问一个问题,这个问题的灵感来自关于Beta发行版直觉的出色答案。我想更好地了解击球平均值的先验分布的推导。看起来David正在从均值和范围中退出参数。

在平均值为并且标准偏差为的假设下,您可以通过求解以下两个方程式来退回和: 0.270.18αβ

αα+β=0.27αβ(α+β)2(α+β+1)=0.182

3
老实说,我一直在R中绘制值,直到看起来正确为止。
大卫·罗宾逊

1
在哪里得到的标准差是0.18?
appleLover

您是如何得出这个标准偏差的?你事先知道吗?
Maria Lavrovskaya

Answers:


21

注意:

αβ(α+β)2=(αα+β)(1αα+β

因此,这意味着方差可以用均值表示为

σ2=μ(1μ)α+β+1

如果您希望平均值为,标准偏差为(方差),则只需计算:.27.18.0324

α+β=μ(1μ)σ21=.27(1.27).03241=5.083333

现在您知道了总数,αβ很简单:

α=μ(α+β)=.275.083333=1.372499β=(1μ)(α+β)=(1.27)5.083333=3.710831

您可以在R中检查此答案:

> mean(rbeta(10000000, 1.372499, 3.710831))
[1] 0.2700334
> var(rbeta(10000000, 1.372499, 3.710831))
[1] 0.03241907

大卫,您碰巧进行了棒球研究吗?有几种竞争技术可以找到合适的β,所以我想知道您是否在做某事,除了试图找到看起来合理的图以外,是否对此有任何看法。αβ
Michael McGowan 2013年

我并不特别关注Sabermetrics,在另一个答案中,它恰好提供了一个非常方便的示例,可以根据先验的二项式估算p。我什至不知道这是否是在Sabermetrics中完成的,如果是的话,我知道我有很多遗漏的内容(玩家具有不同的先验,球场调整,权衡最近的命中率...)
David鲁滨逊

3
令您印象深刻的是我的印象深刻。
Dimitriy V. Masterov

大卫,您好,您如何从β = 3.71的这些值分别得到链接栏中81和219的目测值?α=1.37β=3.71
亚历克斯(Alex)

1
@Alex请求的方差和标准差来自上述问题,该问题的SD为0.18,而不是beta分布后。如果我不是计算目测的,我可能已经猜到的类似0.03的SD,这将给予59和160的值
大卫·罗宾逊

3

我想将其添加为对出色答案的评论,但是它运行了很长时间,并且使用答案格式看起来会更好。

事情要记住的是,并不是所有的是可能的。很明显μ ∈ [ 0 1 ],但不作为明确是用于限制σ 2(μ,σ2)μ[0,1]σ2

使用与大卫相同的推理,我们可以表达

σ2(α,μ)=μ2(1μ)α+μ

ασ2μ

limα0σ2(α,μ)=μ(1μ)

αα>0μ=12

μαβ=1μμα

总而言之,这是Beta的有效均值和方差集:

在此处输入图片说明

(实际上,在Beta版Wikipedia页面上对此进行了注明)

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.