ข้อมูลหน่วยก่อนขึ้นอยู่กับการตีความของการผันคำกริยาต่อไปนี้:
ติดตั้ง
- ข้อมูลปกติ: ด้วยโดยที่ไม่ทราบและเป็นที่รู้จัก ข้อมูลสามารถสรุปได้อย่างเพียงพอโดยค่าเฉลี่ยตัวอย่างซึ่งก่อนที่จะมีการเปิดเผยข้อมูลใด ๆ จะถูกกระจายตาม})Xn=(X1,…,Xn)Xi∼N(μ,σ2)μσ2X¯∼N(μ,σ2n)
- ปกติก่อนหน้าสำหรับ :μด้วยมีความแปรปรวนเช่นเดียวกับในข้อมูลμ∼N(a,σ2)
- หลังปกติสำหรับ :μด้วยโดยที่และ1}μ∼N(M,v)M=1n+1(a+nx¯)v=σ2n+1
การตีความ
ดังนั้นหลังจากการสังเกต dataเรามีส่วนท้ายของที่มุ่งเน้นไปที่การรวมกันของการสังเกตนูนและสิ่งที่ถูกบันทึกไว้ก่อนที่ข้อมูลจะถูกสังเกตว่า ยิ่งกว่านั้นความแปรปรวนของหลังถูกกำหนดโดย , ดังนั้น, ราวกับว่าเรามีการสังเกตมากกว่าX¯=x¯μx¯aσ2n+1n+1nเปรียบเทียบการกระจายตัวตัวอย่างของค่าเฉลี่ยตัวอย่าง โปรดทราบว่าการแจกแจงตัวอย่างจะไม่เหมือนกับการแจกแจงหลัง อย่างไรก็ตามรูปแบบหลังดูเหมือนว่าเป็นข้อมูลที่อนุญาตให้พูดได้ ดังนั้นมีข้อมูลหน่วยก่อนที่หนึ่งได้รับหลังที่มีความเข้มข้นในข้อมูลส่วนใหญ่ที่และหดต่อข้อมูลก่อนเป็น one-off โทษx¯a
Kass และ Wasserman ยิ่งกว่านั้นแสดงให้เห็นว่าการเลือกรูปแบบกับกับที่ได้รับก่อนหน้านี้สามารถประมาณกับเกณฑ์ชวาร์ตษ์ BIC / 2) เมื่อมีขนาดใหญ่M0:μ=aM1:μ∈Rn
ข้อสังเกตบางส่วน:
- ความจริง BIC นั้นใกล้เคียงกับปัจจัยของ Bayes จากข้อมูลของหน่วยก่อนหน้านี้ไม่ได้หมายความว่าเราควรใช้ข้อมูลหน่วยก่อนที่จะสร้างปัจจัย Bayes ตัวเลือกเริ่มต้นของ Jeffreys (1961) คือการใช้ Cauchy ก่อนขนาดเอฟเฟกต์แทนดูที่ Ly et al (ในสื่อสิ่งพิมพ์) สำหรับคำอธิบายเกี่ยวกับการเลือกของ Jeffreys
- Kass และ Wasserman แสดงให้เห็นว่า BIC หารด้วยค่าคงที่ (ที่เกี่ยวข้องกับ Cauchy กับการแจกแจงแบบปกติ) ยังสามารถใช้เป็นค่าประมาณของปัจจัย Bayes (เวลานี้ขึ้นอยู่กับ Cauchy ก่อนแทนที่จะเป็นค่าปกติ)
อ้างอิง
- Jeffreys, H. (1961) ทฤษฎีของความน่า Oxford University Press, Oxford, UK, 3 ฉบับ
- Kass, RE และ Wasserman, L. (1995) "การทดสอบแบบเบส์อ้างอิงสำหรับสมมติฐานที่ซ้อนกันและความสัมพันธ์กับเกณฑ์ Schwarz" วารสารสมาคมสถิติอเมริกัน , 90, 928-934
- Ly, A. , Verhagen, AJ, & Wagenmakers, E.-J. (ในการกด) การทดสอบสมมติฐานของ Bayes ปัจจัยพื้นฐานของ Harold Jeffreys: คำอธิบายส่วนขยายและการประยุกต์ใช้ในด้านจิตวิทยา วารสารจิตวิทยาคณิตศาสตร์