मैंने पहले इस बारे में पूछा है और वास्तव में यह पहचानने के लिए संघर्ष कर रहा है कि एक मॉडल पैरामीटर क्या बनाता है और क्या यह एक अव्यक्त चर बनाता है। तो इस साइट पर इस विषय पर विभिन्न थ्रेड्स को देखते हुए, मुख्य अंतर प्रतीत होता है:
अव्यक्त चरों का अवलोकन नहीं किया जाता है, लेकिन उनके साथ सम्बद्धता वितरण होता है क्योंकि वे चर और मानदंड भी नहीं होते हैं और उनके साथ कोई वितरण नहीं जुड़ा होता है, जिसे मैं समझता हूं कि ये स्थिरांक हैं और एक निश्चित लेकिन अज्ञात मान है जिसे हम करने का प्रयास कर रहे हैं। पाते हैं। इसके अलावा, हम इन मापदंडों के बारे में हमारी अनिश्चितता का प्रतिनिधित्व करने के लिए मापदंडों पर पुजारी रख सकते हैं, भले ही उनके साथ जुड़ा हुआ एक ही सही मूल्य हो या कम से कम हम जो मानते हैं। मुझे आशा है कि मैं अब तक सही हूं?
अब, मैं इस उदाहरण को बेयसियन भारित रैखिक प्रतिगमन के लिए एक जर्नल पेपर से देख रहा हूं और वास्तव में यह समझने के लिए संघर्ष कर रहा हूं कि एक पैरामीटर क्या है और एक चर क्या है:
यहाँ और का अवलोकन किया जाता है लेकिन केवल को एक चर के रूप में माना जाता है अर्थात इसके साथ एक वितरण जुड़ा हुआ है।वाई वाई
अब, मॉडलिंग की धारणाएं हैं:
तो, के विचरण को भारित किया जाता है।
वहाँ भी एक पूर्व वितरण पर और , जो क्रमशः सामान्य और गामा वितरण हैं। व
तो, पूर्ण लॉग संभावना इस प्रकार है:
अब, जैसा कि मैं समझता हूँ कि यह दोनों और मॉडल पैरामीटर हैं। हालाँकि, कागज में वे उन्हें अव्यक्त चर के रूप में संदर्भित करते रहते हैं। मेरे तर्क है और चर के लिए संभावना वितरण के दोनों हिस्सा हैं और वे मॉडल मानकों हैं। हालांकि, लेखक उन्हें अव्यक्त यादृच्छिक चर के रूप में मानते हैं। क्या वो सही है? यदि हां, तो मॉडल पैरामीटर क्या होगा?डब्ल्यू β डब्ल्यू वाई
कागज यहां पाया जा सकता है ( http://www.jting.net/pubs/2007/ting-ICRA2007.pdf )।
पेपर ऑटोमैटिक आउटलाइयर डिटेक्शन: ए बायेसियन अप्रोच बाई टिंग एट अल है।