2
二项式分布的贝叶斯估计
这个问题的技术跟进这个问题。 我在理解和复制Raftery（1988）中NNN提出的模型时遇到了麻烦：二项式参数的推论： WinBUGS / OpenBUGS / JAGS中的分层贝叶斯方法。它不仅与代码有关，因此在这里应该是主题。 背景 令是一组来自未知和的二项式分布的成功计数。此外，我假设遵循参数的泊松分布（如本文所述）。然后，每个的泊松分布均值为。我想根据和指定先验。ñ θ Ñ μ X 我 λ = μ θ λ θx=(x1,…,xn)x=(x1,…,xn)x=(x_{1},\ldots,x_{n})NNNθθ\thetaNNNμμ\muxixix_{i}λ=μθλ=μθ\lambda = \mu \thetaλλ\lambdaθθ\theta 假设我对或没有任何先验知识，我想为和分配非信息先验。说，我的先验是和。θ λ θ λ 〜ģ 一米米一（0.001 ，0.001 ）θ 〜ü Ñ 我˚F ö ř 米（0 ，1 ）NNNθθ\thetaλλ\lambdaθθ\thetaλ∼Gamma(0.001,0.001)λ∼Gamma(0.001,0.001)\lambda\sim \mathrm{Gamma}(0.001, 0.001)θ∼Uniform(0,1)θ∼Uniform(0,1)\theta\sim \mathrm{Uniform}(0, 1) 作者使用不当先验，但WinBUGS不接受不当先验。p(N,θ)∝N−1p(N,θ)∝N−1p(N,\theta)\propto N^{-1} 例 在纸（第226）中，提供了观察到的水羚的以下成功计数：。我想估计，即人口的大小。Ñ53,57,66,67,7253,57,66,67,7253, 57, 66, 67, …