ตรงข้ามของความแปรปรวน

มีคำว่า 'ผกผันของความแปรปรวน' หรือไม่? นั่นคือถ้ามีความแปรปรวนสูงแล้วมีต่ำ ? ไม่สนใจคำตรงข้ามที่ใกล้เคียง (เช่น 'ข้อตกลง' หรือ 'ความคล้ายคลึง') แต่มีความหมายเฉพาะ ? $X$ $X$ $\dots$ $1/\sigma^2$

— ฮิวจ์
แหล่งที่มา

ข้อตกลงและความคล้ายคลึงกันนั้นในกรณีใด ๆ ที่ได้รับใบจองอย่างน้อยก็ในรูปแบบที่เป็นทางการสำหรับการเปรียบเทียบแบบคู่และอื่น ๆ อย่างไรก็ตามนั่นไม่ได้ออกกฎการพูดคุยอย่างไม่เป็นทางการเช่นคุณสามารถเห็นได้จากความแปรปรวนต่ำที่การวัดที่แตกต่างกันมีแนวโน้มที่จะเห็นด้วย

— Nick Cox

ฉันเพิ่ม[bayesian]แท็กตั้งแต่ที่คุณเห็นได้จากคำตอบและความคิดเห็นคำตอบนั้นเกี่ยวข้องกับสถิติแบบเบย์อย่างมากและจะง่ายต่อการค้นหาแท็กเช่นนี้

— ทิม

เรียกว่ามีความแม่นยำ คุณสามารถค้นหาได้บ่อย ๆ ที่กล่าวถึงในคู่มือซอฟต์แวร์ Bayesian สำหรับBUGSและJAGSซึ่งจะใช้เป็นพารามิเตอร์สำหรับการแจกแจงแบบปกติแทนที่จะเป็นความแปรปรวน มันก็กลายเป็นที่นิยมเพราะแกมมาสามารถนำมาใช้เป็นคอนจูเกตก่อนเพื่อความแม่นยำในการกระจายปกติสังเกตเห็นโดย Kruschke (2014) และ@Scortchi $1/\sigma^2$

Kruschke, J. (2014) ทำการวิเคราะห์ข้อมูลแบบเบย์: บทเรียนเกี่ยวกับ R, JAGS และ Stan สื่อวิชาการ 454

— ทิม
แหล่งที่มา

(+1) ฉันจำไม่ได้ว่าเห็นนอกบริบทนี้ซึ่งสะดวกที่จะพูดสิ่งต่าง ๆ เช่น "เพิ่มความแม่นยำของข้อมูลก่อนหน้า & ข้อมูลเพื่อให้ได้ความแม่นยำของคนหลัง" และใช้ความคุ้นเคย การแจกแจงแกมมาเป็นคอนจูเกตก่อนเพื่อความแม่นยำ

— Scortchi - Reinstate Monica

พบได้ทั่วไปในการตั้งค่าหลายตัวแปรที่ความแม่นยำกลายเป็นค่าผกผันของเมทริกซ์ความแปรปรวนร่วม (และอีกครั้งมีประโยชน์เป็นพารามิเตอร์สำหรับการแจกแจงแบบปกติเมื่อคุณต้องการผันก่อน)

— ปีเตอร์

ใช่เมทริกซ์ความแม่นยำมีประโยชน์มากเมื่อต้องจัดการกับหลายตัวแปร Gaussians (ตามที่ @Peter กล่าว) เช่นสูตรสำหรับการแจกแจงแบบมีเงื่อนไขนั้นง่ายกว่าในแง่ของเมทริกซ์ความแม่นยำ อธิการใช้เวลาหลายหน้าเพื่ออธิบายวิธีการทำงานในบทที่ 3 ของการจดจำรูปแบบและการเรียนรู้ของเครื่องจักรและสิ่งนี้จะปรากฏซ้ำหลายครั้งตลอดทั้งเล่ม

— อะมีบาพูดว่า Reinstate Monica