คน "ทฤษฎีการสุ่มตัวอย่าง" จะบอกคุณว่าไม่มีการประมาณการดังกล่าว แต่คุณสามารถรับได้คุณเพียงแค่ต้องมีเหตุผลเกี่ยวกับข้อมูลก่อนหน้าของคุณและทำงานทางคณิตศาสตร์ให้หนักขึ้น
หากคุณระบุวิธีการประมาณแบบเบย์และส่วนหลังเหมือนกับก่อนหน้านี้คุณสามารถพูดได้ว่าข้อมูลไม่พูดอะไรเกี่ยวกับพารามิเตอร์ เนื่องจากสิ่งต่าง ๆ อาจได้รับ "เอกพจน์" กับเราดังนั้นเราจึงไม่สามารถใช้พื้นที่พารามิเตอร์ที่ไม่มีที่สิ้นสุด ฉันสมมติว่าเพราะคุณใช้ความสัมพันธ์แบบเพียร์สันคุณมีความเป็นไปได้ที่จะเกิดภาวะปกติ:
Qi=(xi-μx)2
p(D|μx,μy,σx,σy,ρ)=(σxσy2π(1−ρ2)−−−−−−−−√)−Nexp(−∑iQi2(1−ρ2))
โดยที่
Qi=(xi−μx)2σ2x+(yi−μy)2σ2y−2ρ(xi−μx)(yi−μy)σxσy
ตอนนี้เพื่อระบุว่าชุดข้อมูลหนึ่งอาจเป็นค่าเดียวกันเขียนจากนั้นเราจะได้รับ:yi=y
∑iQi=N[(y−μy)2σ2y+s2x+(x¯¯¯−μx)2σ2x−2ρ(x¯¯¯−μx)(y−μy)σxσy]
โดยที่
s2x=1N∑i(xi−x¯¯¯)2
และเพื่อให้โอกาสคุณขึ้นอยู่กับตัวเลขสี่ N ดังนั้นคุณจึงต้องการการประมาณการของดังนั้นคุณจำเป็นต้องคูณด้วยก่อนและบูรณาการออกพารามิเตอร์รำคาญ\ตอนนี้เพื่อเตรียมพร้อมสำหรับการรวมเรา "ทำตาราง"
s2x,y,x¯¯¯,Nρμx,μy,σx,σy
∑iQi1−ρ2=N⎡⎣⎢⎢(μy−[y−(x¯¯¯−μx)ρσyσx])2σ2y(1−ρ2)+s2xσ2x(1−ρ2)+(x¯¯¯−μx)2σ2x⎤⎦⎥⎥
ตอนนี้เราควรทำผิดในด้านของความระมัดระวังและให้แน่ใจว่าความน่าจะเป็นปกติอย่างถูกต้อง ด้วยวิธีนี้เราไม่สามารถมีปัญหา ตัวเลือกหนึ่งดังกล่าวคือการใช้ข้อมูลที่ไม่รัดกุมก่อนซึ่งเพียงวางข้อ จำกัด ในช่วงของแต่ละ ดังนั้นเราจึงมีสำหรับความหมายของ flat ก่อนหน้าและสำหรับส่วนเบี่ยงเบนมาตรฐานที่มี jeffreys ก่อน. ข้อ จำกัด เหล่านี้ง่ายต่อการตั้งค่าด้วย "สามัญสำนึก" เล็กน้อยที่คิดเกี่ยวกับปัญหา ฉันจะไม่ได้รับการระบุล่วงหน้าสำหรับและดังนั้นเราจึงได้รับ (ชุดควรจะใช้ได้ถ้าไม่ตัดส่วนที่เป็นเอกเทศที่ ):Lμ<μx,μy<UμLσ<σx,σy<Uσρ±1
p(ρ,μx,μy,σx,σy)=p(ρ)Aσxσy
ไหน{2} สิ่งนี้ให้หลังของ:A=2(Uμ−Lμ)2[log(Uσ)−log(Lσ)]2
p(ρ|D)=∫p(ρ,μx,μy,σx,σy)p(D|μx,μy,σx,σy,ρ)dμydμxdσxdσy
=p(ρ)A[2π(1−ρ2)]N2∫UσLσ∫UσLσ(σxσy)−N−1exp(−Ns2x2σ2x(1−ρ2))×
∫UμLμexp(−N(x¯¯¯−μx)22σ2x)∫UμLμexp⎛⎝⎜⎜−N(μy−[y−(x¯¯¯−μx)ρσyσx])22σ2y(1−ρ2)⎞⎠⎟⎟dμydμxdσxdσy
ตอนนี้การรวมกันครั้งแรกของสามารถทำได้โดยการเปลี่ยนตัวแปรและอินทิกรัลแรกเหนือกลายเป็น:μyz=N−−√μy−[y−(x¯¯¯−μx)ρσyσx]σy1−ρ2√⟹dz=N√σy1−ρ2√dμyμy
σy2π(1−ρ2)−−−−−−−−√N−−√⎡⎣⎢Φ⎛⎝⎜Uμ−[y−(x¯¯¯−μx)ρσyσx]σyN√1−ρ2−−−−−√⎞⎠⎟−Φ⎛⎝⎜Lμ−[y−(x¯¯¯−μx)ρσyσx]σyN√1−ρ2−−−−−√⎞⎠⎟⎤⎦⎥
และคุณสามารถเห็นได้จากที่นี่ไม่มีวิธีการวิเคราะห์ที่เป็นไปได้ อย่างไรก็ตามมันก็คุ้มค่าที่จะต้องทราบว่าค่าไม่ได้หลุดออกจากสมการ ซึ่งหมายความว่าข้อมูลและข้อมูลก่อนหน้านี้ยังมีสิ่งที่จะพูดเกี่ยวกับความสัมพันธ์ที่แท้จริง ถ้าข้อมูลไม่ได้พูดถึงความสัมพันธ์เราก็จะเหลือแค่เป็นฟังก์ชันเดียวของในสมการเหล่านี้ρp(ρ)ρ
นอกจากนี้ยังแสดงให้เห็นว่าการส่งผ่านถึงขีด จำกัด ของขอบเขตไม่มีที่สิ้นสุดสำหรับที่ "ทิ้ง" ข้อมูลบางอย่างเกี่ยวกับซึ่งมีอยู่ในความซับซ้อนมองฟังก์ชั่น CDF ปกติ(.) ตอนนี้ถ้าคุณมีข้อมูลจำนวนมากจากนั้นส่งผ่านไปยังขีด จำกัด ได้ดีคุณจะไม่หลวมมากนัก แต่ถ้าคุณมีข้อมูลที่หายากมากเช่นในกรณีของคุณ - มันเป็นเรื่องสำคัญที่จะต้องรักษาทุกเรื่องที่สนใจเอาไว้ มันหมายถึงคณิตศาสตร์ที่น่าเกลียด แต่ตัวอย่างนี้ไม่ยากเกินกว่าจะทำตัวเลข ดังนั้นเราสามารถประเมินความน่าจะเป็นแบบรวมสำหรับที่ค่าของการพูดได้อย่างง่ายดาย เพียงแค่แทนที่อินทิกรัลโดยการสรุปในช่วงเวลาเล็ก ๆ น้อย ๆ - ดังนั้นคุณจึงมีการรวมสามครั้ง ρ ไว( . ) ρ - 0.99 , - 0.98 , ... , 0.98 ,μyρΦ(.)ρ−0.99,−0.98,…,0.98,0.99