ข้อดีของตระกูลเอ็กซ์โปแนนเชียล: ทำไมเราควรศึกษาและใช้มัน?


19

ดังนั้นที่นี่ฉันกำลังศึกษาอนุมาน ฉันต้องการให้ใครบางคนสามารถระบุข้อดีของตระกูลเอ็กซ์โปเนนเชียล โดยตระกูลเอ็กซ์โพเนนเชียลฉันหมายถึงการแจกแจงที่ได้รับเป็น

(x|θ)=ชั่วโมง(x)ประสบการณ์{η(θ)T(x)-B(θ)}

สนับสนุนซึ่งไม่ขึ้นอยู่กับพารามิเตอร์\นี่คือข้อดีที่ฉันค้นพบ:θ

(a) ประกอบด้วยการกระจายที่หลากหลาย

(b) มีสถิติที่เพียงพอตามธรรมชาติตามทฤษฎีบทของเนย์แมน - ฟิชเชอร์T(x)

(ค) มันทำให้เป็นไปได้เพื่อให้เป็นสูตรที่ดีสำหรับฟังก์ชั่นช่วงเวลาที่ก่อให้เกิดของT(x)(x)

(d) ทำให้ง่ายต่อการแยกความสัมพันธ์ระหว่างการตอบสนองและตัวทำนายจากการแจกแจงแบบมีเงื่อนไขของการตอบสนอง (ผ่านฟังก์ชั่นลิงค์)

ใครสามารถให้ประโยชน์อื่น ๆ ได้บ้าง?


1
เพื่อให้แน่ใจในคำตอบทั่วไป: มี PDF ที่มีประโยชน์ซึ่งไม่ได้อยู่ในตระกูลเลขชี้กำลังหรือไม่?
meduz

คำตอบ:


21

... ทำไมเราควรศึกษาและใช้มัน?

ฉันคิดว่ารายการข้อดีของคุณตอบคำถามของคุณได้อย่างมีประสิทธิภาพ แต่ให้ฉันเสนอคำอธิบายเกี่ยวกับคณิตศาสตร์ที่อาจอธิบายหัวข้อนี้ โดยทั่วไปนักคณิตศาสตร์ชอบที่จะสรุปแนวความคิดและผลลัพธ์จนถึงจุดสูงสุดที่พวกเขาสามารถทำได้จนถึงขีด จำกัด ของประโยชน์. นั่นคือเมื่อนักคณิตศาสตร์พัฒนาแนวคิดและพบว่าหนึ่งหรือมากกว่าทฤษฎีที่มีประโยชน์ใช้กับแนวคิดนั้นพวกเขามักจะพยายามที่จะพูดคุยแนวคิดและผลลัพธ์มากขึ้นเรื่อย ๆ จนกว่าพวกเขาจะไปถึงจุดที่การวางหลักเกณฑ์ทั่วไปเพิ่มเติมจะทำให้ผลลัพธ์ไม่เหมาะสม หรือไม่มีประโยชน์อีกต่อไป ดังที่เห็นได้จากรายการของคุณตระกูลเอ็กซ์โพเนนเชียลมีทฤษฎีบทที่มีประโยชน์มากมายเชื่อมโยงกับมันและมันครอบคลุมการกระจายชั้นกว้าง สิ่งนี้เพียงพอที่จะทำให้มันเป็นเป้าหมายของการศึกษาที่คุ้มค่าและเป็นชั้นเรียนคณิตศาสตร์ที่มีประโยชน์ในทางปฏิบัติ

ใครสามารถให้ประโยชน์อื่น ๆ ได้บ้าง?

คลาสนี้มีคุณสมบัติที่ดีมากมายในการวิเคราะห์แบบเบย์ โดยเฉพาะอย่างยิ่งการแจกแจงแบบเลขชี้กำลังของครอบครัวมีค่าคงที่แบบคอนจูเกตและผลการกระจายแบบทำนายล่วงหน้ามีรูปแบบง่าย ๆ สิ่งนี้ทำให้เป็นคลาสที่มีประโยชน์อย่างมากของการแจกแจงในสถิติแบบเบย์ อันที่จริงแล้วมันช่วยให้คุณสามารถทำการวิเคราะห์แบบเบย์โดยใช้พูคอนจูเกจในระดับสูงมากโดยทั่วไปรวมถึงตระกูลการกระจายทั้งหมดในตระกูลเอ็กซ์โปเนนเชียล


5
ฉันเสนอชื่อ "คอนจูเกตก่อน" เป็นลำดับที่สองเพื่อให้เหตุผลว่าชอบครอบครัวเอ็กซ์โพเนนเชียล อันที่จริงนักบวชที่รวมกันและสถิติที่เพียงพอเล่นได้ดีมากด้วยกันดังนั้นพวกเขาจะอยู่ด้านบนของรายการเหตุผลของฉันที่จะใช้ตระกูลเอ็กซ์โปเนนเชียล
Peter Leopold

อา! Bayesian เพื่อนฉันเห็น!
Reinstate Monica

คุณจะรู้ได้อย่างไรว่าตัวทำนายหลังมีรูปแบบเรียบง่าย ยกตัวอย่างเช่นตัวทำนายหลังของโมเดลปกติที่มีค่าเฉลี่ยไม่ทราบและความแปรปรวนเป็นแบบ T ที่ไม่ใช่ขนาดกลางสัดส่วนของนักเรียน T นั่นเป็นรูปแบบที่เรียบง่ายหรือไม่?
Neil G

@ Neil G: ด้วยข้อมูล IID จากตระกูล exponential และคอนจูเกตก่อนหน้านี้การแจกแจงการทำนายเป็นอัตราส่วนของอินสแตนซ์ของฟังก์ชัน normalizing สองอินสแตนซ์สำหรับก่อนหน้านี้โดยมีการปรับปรุงอาร์กิวเมนต์ของตัวหารด้วยการเพิ่มสถิติที่เพียงพอ ข้อมูลใหม่ นี่เป็นรูปแบบที่เรียบง่ายและทั่วไปสำหรับการแจกแจงการทำนายซึ่งได้มาจากการหาปัจจัยการทำให้เป็นมาตรฐานสำหรับการรวบรวมก่อนหน้า (ดูตัวอย่างเช่นมาตรา 9.0.5 ของบันทึกเหล่านี้)
Reinstate Monica

1
โอเคเข้าใจแล้ว. ฉันไม่เคยเห็นสิ่งนี้มาก่อนขอบคุณ
Neil G

2

ผมจะบอกว่าแรงจูงใจที่น่าสนใจที่สุดสำหรับครอบครัวชี้แจงคือพวกเขามีขั้นต่ำการวัดการกระจาย assumptive รับ หากคุณมีเซ็นเซอร์ที่มีมูลค่าจริงซึ่งการวัดสรุปโดยค่าเฉลี่ยและความแปรปรวนดังนั้นสมมติฐานขั้นต่ำที่คุณสามารถทำได้เกี่ยวกับการสังเกตคือการแจกแจงแบบปกติ ตระกูลเลขชี้กำลังแต่ละตระกูลนั้นเป็นผลมาจากชุดของสมมติฐานที่คล้ายกัน

Jaynes avers หลักการนี้ของเอนโทรปีสูงสุด:

“ การแจกแจงแบบเอนโทรปีสูงสุดอาจถูกพิจารณาด้วยเหตุผลเชิงบวกว่ามันถูกกำหนดอย่างไม่เหมือนใครว่าเป็นข้อผิดพลาดที่ไม่สำคัญที่สุดในแง่ลบข้อมูลแทนที่จะเป็นสิ่งที่ไม่มีเหตุผลที่จะคิดอย่างอื่น ดังนั้นแนวคิดของเอนโทรปีจึงเป็นตัวเลือกที่ขาดหายไป ... ”

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.