Estoy usando probabilidad bayesiana. En mi caso, tengo una probabilidad empírica previa para utilizar en el cálculo de la probabilidad posterior. Pero esto no es el modo subjetivo de hacerlo, creo. Si no tengo ninguna información empírica previa, ¿cómo podría calcular la probabilidad previa?
Respuestas
¿Demasiados anuncios?
throwaway
Puntos
18
Si usted no tiene una fuerte antes de creencias o supuestos, puede utilizar los informativos de los priores, que no impone una fuerte estructura o restricciones. Más bien, se trata de expresar la ignorancia acerca de los parámetros en una serie de principios. El Jeffreys antes de la y de la referencia de los priores son ejemplos destacados. Muy general, las restricciones pueden ser impuestas (por ejemplo, que determinados parámetros debe ser no negativo). No informativo de los priores son útiles cuando 'más fuerte' priores sería injustificadamente a favor de algunas hipótesis de una manera que es incompatible con su (falta de) conocimiento/creencias. A lo largo de líneas similares, véanse los principios de la indiferencia y de máxima entropía. Debido a que los informativos de los priores expresar un alto grado de desconocimiento acerca de los parámetros, la distribución posterior generalmente será más influenciados fuertemente por la probabilidad de la función. Para obtener más información, consulte:
Kass y Wasserman (1996). La selección de las distribuciones previas por reglas formales.
Si tienes más fuerte antes de conocimientos/creencias sobre el sistema de modelado (por ejemplo, el conocimiento de un dominio, los resultados anteriores), se puede usar un informativo antes. Tus creencias no puede especificar completamente un total de distribución. Por ejemplo, usted podría tener una noción de que los parámetros determinados rangos son más probables, pero no sus creencias se corresponden precisamente a algunos en particular paramétrico de forma (por ejemplo, una distribución normal, distribución gamma, etc.)? En la práctica, la elección de antes, se le reflejar una combinación de la satisfacción de su (tal vez incompleta) creencias, convenciones, computacionales y de conveniencia.
Usted puede destilar el conocimiento de los expertos de dominio en un antes de la distribución. Esto se llama " antes de la actividad (por ejemplo, véase discusssion aquí). El enfoque general consiste en formular una serie de preguntas para extraer los expertos en el conocimiento/creencias, a continuación, utilice las respuestas para construir una distribución previa.
James Sutherland
Puntos
2033
En mi caso, tengo un empírica de la probabilidad anterior a usar en el cálculo de la probabilidad posterior. Pero esta no es la manera subjetiva de hacerlo, creo.
Por el contrario. El 'subjetiva manera de hacerlo es preguntar qué información desea asumir y, a continuación, construir un previo en consecuencia. Si usted es feliz de hacer la intercambiabilidad de los juicios acerca de los casos, entonces eso implica algunas restricciones distributivas en la previa (consulte multi-nivel de los modelos). Si usted sabe que la restricción por ejemplo, te parece poco la cantidad debe tener una varianza finita, sin saber lo que la varianza es (o incluso que algunas cantidades que se debe agregar a 7), que implica otras de distribución limitaciones (véase la máxima entropía). Si usted tiene datos históricos, mejor aún; esto puede ayudar a precisar algunos de los parámetros de las distribuciones implícitas en la información anterior.
Nada de esto es necesario, no menos debido a que el sujeto se presupone en una subjetivo antes de la necesidad de que no sea usted. Sin embargo, en situaciones normales no se desea construir un previo en torno a las creencias de la clase de sujeto que, por ejemplo, ignorar la evidencia histórica. Por lo que se suelen tomar la información histórica en cuenta. Lo que hace que los construidos antes de 'subjetivo' es que podría ser informados por más de que los datos históricos.
Si yo no tenía antes de la información empírica, ¿cómo podría estimar la probabilidad anterior?
Ni usted, ni nadie, alguna vez en esta situación, así que no importa.
