เหตุใดนักบวช Jeffreys จึงถูกมองว่าไม่เป็นประโยชน์?


27

พิจารณา Jeffreys ก่อนที่ที่ฉันเป็นข้อมูลฟิชเชอร์p(θ)|i(θ)|i

ฉันเคยเห็นสิ่งนี้ก่อนหน้านี้ถูกกล่าวถึงว่าเป็นคนที่ไม่รู้เรื่องมาก่อน แต่ฉันไม่เคยเห็นข้อโต้แย้งว่าทำไมมันถึงไม่เป็นที่รู้จัก ท้ายที่สุดมันไม่ได้เป็นค่าคงที่มาก่อนดังนั้นจึงต้องมีข้อโต้แย้งอื่น ๆ

ฉันเข้าใจว่ามันไม่ได้ขึ้นอยู่กับ reparametrization ซึ่งนำฉันไปสู่คำถามต่อไป มันเป็นปัจจัยที่กำหนดข้อมูลฟิชเชอร์ไม่ได้ขึ้นอยู่กับการซ่อมแซมใหม่? เพราะข้อมูลชาวประมงขึ้นอยู่กับการแก้ไขปัญหาอย่างมาก

ขอบคุณ


คุณอ่านบทความ Wikipedia แล้วหรือยัง? en.wikipedia.org/wiki/Jeffreys_prior
whuber

2
ใช่ฉันเคยดูที่นั่น บางทีฉันอาจขาดอะไรบางอย่าง แต่ฉันไม่รู้สึกว่าบทความ Wikipedia ให้คำตอบที่เพียงพอสำหรับคำถามของฉัน
Bayesian


โปรดทราบว่า Jeffreys รุ่นก่อนนั้นไม่คงที่เทียบกับรุ่นที่เทียบเท่า ตัวอย่างเช่นการอนุมานเกี่ยวกับพารามิเตอร์จะแตกต่างกันเมื่อใช้การแจกแจงการสุ่มตัวอย่างทวินามหรือเชิงลบ นี่คือฟังก์ชั่นโอกาสแม้จะเป็นสัดส่วนและพารามิเตอร์ที่มีความหมายเดียวกันในทั้งสองรุ่น p
ความน่าจะเป็นทาง

คำตอบ:


12

มันถือว่าไม่เป็นไปตามมาตรฐานเนื่องจากความแปรปรวนของพารามิเตอร์ คุณดูเหมือนจะมีความประทับใจว่าก่อนหน้านี้เครื่องแบบ (คงที่) ไม่เป็นทางการ บางครั้งมันเป็นบางครั้งมันไม่ได้เป็น

สิ่งที่เกิดขึ้นกับ Jeffreys 'ก่อนหน้านี้ภายใต้การเปลี่ยนแปลงคือ Jacobian จากการเปลี่ยนแปลงนั้นถูกดูดเข้าไปในข้อมูลฟิชเชอร์ดั้งเดิมซึ่งจะให้ข้อมูลฟิชเชอร์แก่คุณภายใต้การกำหนดพารามิเตอร์ใหม่ ไม่มีเวทย์มนตร์ (ในกลไกอย่างน้อย) เพียงแคลคูลัสและพีชคณิตเชิงเส้นเล็กน้อย


6
ฉันไม่เห็นด้วยกับคำตอบนี้ การใช้ทัศนะก่อนหน้านี้ยังเป็นขั้นตอนที่ไม่แปรเปลี่ยนของพารามิเตอร์!
Stéphane Laurent

29

Jeffreys ก่อนเกิดขึ้นพร้อมกับการอ้างอิงเบอร์นาร์โดก่อนหน้าสำหรับพื้นที่พารามิเตอร์หนึ่งมิติ (และรุ่น "ปกติ") การพูดแบบคร่าวๆนี่เป็นสิ่งที่เกิดขึ้นก่อนหน้านี้ซึ่งความแตกต่างระหว่าง Kullback-Leibler ระหว่างรุ่นก่อนและรุ่นหลังจะมากที่สุด ปริมาณนี้แสดงถึงจำนวนข้อมูลที่นำมาจากข้อมูล นี่คือเหตุผลที่ก่อนหน้านี้ถูกพิจารณาว่าไม่เป็นไปตามปกติ: นี่คือสิ่งที่ข้อมูลนำมาซึ่งจำนวนข้อมูลสูงสุด

โดยวิธีที่ฉันไม่ทราบว่า Jeffreys ได้ตระหนักถึงลักษณะของเขาก่อนหน้านี้หรือไม่?


2
"การพูดอย่างคร่าวๆนี่เป็นสิ่งที่เกิดขึ้นก่อนหน้านี้ที่ความแตกต่างระหว่าง Kullback-Leibler น่าสนใจฉันไม่รู้ว่า
Cam.Davidson.Pilon

1
(+1) คำตอบที่ดี มันจะเป็นการดีหากได้เห็นการอ้างอิงถึงคะแนนบางส่วนของคุณ ( เช่น 1 , 2 )

1
@Procrastinator ตอนนี้ฉันกำลังเขียนโพสต์ใหม่เกี่ยวกับนักบวชที่ไม่ใช่คนใหม่;) โปรดรอสักสองสามวัน
Stéphane Laurent

6

ฉันจะบอกว่ามันไม่ได้ให้ข้อมูลอย่างแน่นอนแต่ให้ข้อมูลน้อยที่สุด มันเข้ารหัสความรู้ก่อนหน้า (ค่อนข้างอ่อน) ที่คุณรู้ว่าสถานะความรู้ก่อนหน้าของคุณไม่ได้ขึ้นอยู่กับการกำหนดพารามิเตอร์ (เช่นหน่วยการวัด) หากสถานะความรู้ก่อนหน้าของคุณเป็นศูนย์อย่างแม่นยำคุณจะไม่ทราบว่าสิ่งก่อนหน้าของคุณไม่แปรเปลี่ยนไปจากการเปลี่ยนแปลงดังกล่าว


ฉันสับสน. คุณจะรู้ว่าคุณควรขึ้นอยู่กับการกำหนดรูปแบบพารามิเตอร์ในกรณีใดบ้าง
John Lawrence Aspden

2
หากเราต้องการทำนายอายุการใช้งานที่ยาวนานของน้ำหนักร่างกายโดยใช้ GLM เรารู้ว่าข้อสรุปไม่ควรได้รับผลกระทบไม่ว่าเราจะชั่งน้ำหนักวัตถุเป็นกิโลกรัมหรือปอนด์ หากคุณใช้เครื่องแบบอย่างง่าย ๆ ก่อนหน้าน้ำหนักคุณอาจได้รับผลลัพธ์ที่แตกต่างกันขึ้นอยู่กับหน่วยการวัด
Dikran Marsupial

1
เป็นกรณีเมื่อคุณรู้ว่าไม่ควรได้รับผลกระทบ เป็นกรณีอะไรที่ควร?
John Lawrence Aspden

1
ฉันคิดว่าคุณพลาดจุดของฉัน สมมติว่าเราไม่รู้อะไรเลยเกี่ยวกับคุณลักษณะแม้ว่าพวกเขาจะมีหน่วยการวัดที่การวิเคราะห์ควรจะคงที่ ในกรณีที่ว่าก่อนที่คุณจะเข้ารหัสน้อยข้อมูลเกี่ยวกับปัญหาที่เกิดขึ้นกว่าเจฟฟรีย์ก่อนจึงของเจฟฟรีย์ก่อนที่ไม่ได้เป็น uninformative สมบูรณ์ อาจหรือไม่อาจเป็นสถานการณ์ที่การวิเคราะห์ไม่ควรเปลี่ยนแปลงกับการเปลี่ยนแปลงบางอย่าง แต่ที่อยู่ข้างจุด
Dikran Marsupial

2
หมายเหตุตามหนังสือ BUGS (p83) เจฟฟรีย์เองก็อ้างถึงการเปลี่ยนแปลงเช่นนี้ว่า "การให้ข้อมูลน้อยที่สุด" ซึ่งไม่เปลี่ยนแปลง "ซึ่งหมายความว่าเขาเห็นว่าพวกเขาเข้ารหัสข้อมูลบางอย่างเกี่ยวกับปัญหา
Dikran Marsupial
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.