ก่อนอื่นไม่มีสิ่งที่ไม่เป็นมาก่อนเลย ด้านล่างคุณสามารถดูการกระจายหลังซึ่งเกิดจากนักบวช "uninformative" ห้าคน (อธิบายไว้ด้านล่างพล็อต) ที่ให้ข้อมูลที่แตกต่างกัน ในขณะที่คุณสามารถเห็นได้ชัดเจนทางเลือกของไพรเออร์ "uninformative" ได้รับผลกระทบการกระจายหลังโดยเฉพาะอย่างยิ่งในกรณีที่ข้อมูลที่ตัวเองไม่ได้ให้ข้อมูลมากที่สุด
"uninformative" ไพรเออร์สำหรับการกระจายเบต้าแบ่งทรัพย์สินที่สิ่งที่นำไปสู่การกระจายสมมาตรและα ≤ 1 , β ≤ 1ทางเลือกทั่วไป: เป็นเครื่องแบบ (Bayes-Laplace) ก่อน ( α = β = 1 ) ฟรีย์ก่อน ( α = β = 1 / 2 ), "Neutral" ก่อน ( α = β = 1 / 3 ) เสนอโดยเคอร์แมน (2011), Haldane ก่อน ( α = β = 0α= βอัลฟ่า≤ 1 , β≤ 1α = β= 1α = β= 1 / 2α = β= 1 / 3α = β= 0) หรือประมาณ (บทความ Wikipedia ที่ดี )กับ ε > 0 ) (ดูเพิ่มเติมที่α = β= εε > 0
พารามิเตอร์ของการแจกแจงก่อนเบต้ามักถูกพิจารณาว่าเป็น "pseudocounts" ของความสำเร็จ ( ) และความล้มเหลว ( β ) นับตั้งแต่การแจกแจงแบบหลังของรูปแบบเบต้า - ทวินามหลังจากสังเกตความสำเร็จyในnαβYnการทดลองคือ
θ ∣ y∼ B( α + y, β+ n - y)
α , βα = β= 1n )
ตั้งแต่แรกเห็น Haldane ก่อนดูเหมือนจะเป็น "ไม่รู้แจ้ง" มากที่สุดเนื่องจากมันนำไปสู่ค่าเฉลี่ยหลังซึ่งเท่ากับค่าประมาณความน่าจะเป็นสูงสุด
α + yα +y+ β+ n - y= y/ n
Y= 0Y= n
มีข้อโต้แย้งมากมายสำหรับและต่อต้านนักบวช "ไม่รู้แจ้ง" (ดู Kerman, 2011; Tuyl et al, 2008) ตัวอย่างเช่นที่กล่าวถึงโดย Tuyl et al
101
ในอีกทางหนึ่งการใช้ชุดนักบวชสำหรับชุดข้อมูลขนาดเล็กอาจมีอิทธิพลมาก (คิดในแง่ของ pseudocounts) คุณสามารถค้นหาข้อมูลเพิ่มเติมและการอภิปรายในหัวข้อนี้ในเอกสารและคู่มือต่างๆ
ขออภัย แต่ไม่มี "ดีที่สุด", "ไม่เป็นทางการมากที่สุด" หรือ "หนึ่งขนาดพอดีกับทั้งหมด" แต่ละคนนำข้อมูลบางอย่างเข้ามาในโมเดล
Kerman, J. (2011) คอนจูเกตแบบ noninformative และให้ข้อมูลคอนจูเกตเบต้าและแกมมาก่อนหน้า วารสารอิเล็กทรอนิกส์สถิติ, 5, 1450-1470
Tuyl, F. , Gerlach, R. และ Mengersen, K. (2008) การเปรียบเทียบ Bayes-Laplace, Jeffreys และ Priors อื่น ๆ นักสถิติชาวอเมริกัน 62 (1): 40-44