根据测量误差选择先验
如果您有仪器的测量误差，如何计算适当的先验值？本段摘自Cressie的书“时空数据统计”： 通常情况下，可以使用一些有关测量误差方差的先验信息，从而可以指定相当有用的参数模型。例如，如果我们假设条件独立的测量误差为iid ，那么我们应该为指定一个信息先验。假设我们对环境空气温度感兴趣，并且我们看到仪器制造商的技术指标表明“误差”为±0.1°C。假定此“错误”对应于2个标准差（应检查的假设！），然后我们可以指定\ sigma _ {\ epsilon} ^ {2}的先前平均值为（0.1 / 2）^ 2 = 0.0025Gau(0,σ2ϵ)Gau(0,σϵ2)Gau(0, \sigma_{\epsilon}^2)σ2ϵσϵ2\sigma_{\epsilon}^2±0.1°C±0.1°C±0.1°Cσ2ϵσϵ2\sigma_{\epsilon}^{2}(0.1/2)2=0.0025(0.1/2)2=0.0025(0.1/2)^2 = 0.0025。由于仪器制造商的规范，我们假设分布在0.0025处具有明确定义且相当窄的峰（例如，反伽马）。实际上，我们可以将其固定为0.0025；但是，数据模型错误也可能具有其他不确定性因素（第7.1节）。为避免过程模型错误可能引起的可识别性问题，建模人员应尽可能减少《科学》杂志的不确定性，包括进行旨在复制数据的辅助研究，这一点非常重要。 有谁知道如上所述获得先验值的一般程序是什么（尽管该段仅涉及获得先验均值）？