แม่น Bayesian ก่อน


23

ฉันต้องการถามคำถามที่ได้รับแรงบันดาลใจจากคำตอบที่ยอดเยี่ยมสำหรับคำถามเกี่ยวกับสัญชาตญาณการแจกแจงเบต้า ฉันต้องการได้รับความเข้าใจที่ดีขึ้นเกี่ยวกับการได้มาของการกระจายก่อนหน้านี้สำหรับค่าเฉลี่ยการตี ดูเหมือนว่าดาวิดกำลังสนับสนุนพารามิเตอร์จากค่าเฉลี่ยและช่วง

ภายใต้สมมติฐานที่ว่าค่าเฉลี่ยคือและส่วนเบี่ยงเบนมาตรฐานคือ0.18คุณสามารถถอยออกαและβได้โดยการแก้สมการทั้งสองนี้: α0.270.18αβ

αα+β=0.27αβ(α+β)2(α+β+1)=0.182

3
จริงๆแล้วฉันแค่เก็บกราฟไว้ใน R จนกว่ามันจะดูถูกต้อง
David Robinson

1
คุณจะได้ค่าเบี่ยงเบนมาตรฐานเท่ากับ 0.18 อยู่ที่ไหน
appleLover

คุณคิดส่วนเบี่ยงเบนมาตรฐานนี้อย่างไร คุณรู้ล่วงหน้าหรือไม่
Maria Lavrovskaya

คำตอบ:


21

สังเกตว่า:

αβ(α+β)2=(αα+β)(1αα+β)

ซึ่งหมายความว่าสามารถแสดงความแปรปรวนในแง่ของค่าเฉลี่ยเป็น

σ2=μ(1μ)α+β+1

ถ้าคุณต้องการหาค่าเฉลี่ยของ. .27และค่าเบี่ยงเบนมาตรฐานเท่ากับ.18 (ความแปรปรวน.0324 ) เพียงแค่คำนวณ:

α+β=μ(1μ)σ21=.27(1.27).03241=5.083333

ตอนนี้คุณก็รู้แล้วว่าαและβนั้นง่ายมาก:

α=μ(α+β)=.275.083333=1.372499β=(1μ)(α+β)=(1.27)5.083333=3.710831

คุณสามารถตรวจสอบคำตอบนี้ใน R:

> mean(rbeta(10000000, 1.372499, 3.710831))
[1] 0.2700334
> var(rbeta(10000000, 1.372499, 3.710831))
[1] 0.03241907

เดวิดคุณจะติดตามการวิจัยเบสบอลหรือไม่? มีเทคนิคการแข่งขันหลายออกมีสำหรับการหาที่เหมาะสมและβดังนั้นผมสงสัยว่าถ้าคุณมีความเห็นใด ๆ เกี่ยวกับเรื่องนี้ถ้าคุณกำลังทำบางสิ่งบางอย่างที่นอกเหนือจากเพียงแค่พยายามที่จะหากราฟที่ดูเหมาะสม αβ
Michael McGowan

ฉันไม่ได้ปฏิบัติตาม sabermetrics โดยเฉพาะในคำตอบอื่น ๆ มันเพิ่งเกิดขึ้นเพื่อให้เป็นตัวอย่างที่สะดวกมากในการประมาณค่าpจากทวินามด้วยก่อนหน้านี้ ฉันไม่ได้ทราบว่านี้เป็นวิธีการที่จะทำใน sabermetrics และถ้ามันคือผมรู้ว่ามีองค์ประกอบหลายอย่างที่ฉันซ้ายออก (ผู้เล่นที่มีไพรเออร์ที่แตกต่างกันการปรับสนามกีฬาน้ำหนักฮิตล่าสุดกว่าคนเก่า ... )
เดวิด Robinson

3
ฉันประทับใจที่ดวงตาของคุณมีความแม่นยำ
Dimitriy V. Masterov

สวัสดีเดวิดคุณจะได้รับจากค่าเหล่านี้ของและβ = 3.71กับค่าสายตาของคุณในโพสต์ที่เชื่อมโยงของ 81 และ 219 ตามลำดับอย่างไร α=1.37β=3.71
อเล็กซ์

1
@Alex ความแปรปรวนและความเบี่ยงเบนมาตรฐานที่ร้องขอมาจากคำถามด้านบนซึ่งขอ SD จาก. 18 ไม่ใช่โพสต์กระจายเบต้า หากฉันกำลังคำนวณแทนการมองด้วยสายตาฉันอาจเดา SD ของบางอย่างเช่น. 03 ซึ่งจะให้ค่า 59 และ 160
David Robinson

3

ฉันต้องการเพิ่มสิ่งนี้เป็นความคิดเห็นในคำตอบที่ยอดเยี่ยม แต่มันใช้เวลานานและจะดูดีขึ้นด้วยการจัดรูปแบบคำตอบ

สิ่งที่ต้องจำไว้คือไม่ใช่ทุกอย่างเป็นไปได้ มันชัดเจนμ [ 0 , 1 ]แต่ไม่เป็นที่ชัดเจนเป็นข้อ จำกัด สำหรับσ 2(μ,σ2)μ[0,1]σ2

ด้วยเหตุผลเดียวกับดาวิดเราสามารถแสดงออกได้

σ2(α,μ)=μ2(1μ)α+μ

ασ2μ

limα0σ2(α,μ)=μ(1μ)

αα>0); this limit is itself maximized at μ=12.

Notice the relationship to a corresponding Bernoulli RV. The Beta distribution with mean μเนื่องจากถูกบังคับให้รับค่าทั้งหมดระหว่าง 0 และ 1 จะต้องแยกย้ายกันน้อยกว่า (กล่าวคือมีความแปรปรวนต่ำกว่า) กว่า Bernoulli RV ด้วยค่าเฉลี่ยเดียวกัน (ซึ่งมีมวลทั้งหมดที่ปลายช่วงเวลา) อันที่จริงแล้วการส่งα ถึง 0 และแก้ไข β=1-μμα จำนวนที่จะใส่มวลของ PDF มากขึ้นเรื่อย ๆ ใกล้กับ 0 และ 1 นั่นคือการเข้าใกล้การแจกแจงเบอร์นูลลีมากขึ้นซึ่งเป็นสาเหตุที่ค่าสูงสุดของการแปรปรวนเป็นความแปรปรวนเบอร์นูลลี

นำมารวมกันนี่คือชุดค่าเฉลี่ยและผลต่างสำหรับเบต้า:

enter image description here

(อันที่จริงสิ่งนี้ถูกบันทึกไว้ในหน้า Wikipedia สำหรับเบต้า )

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