क्या सांख्यिकीविद् वास्तविक लागू कार्यों में जेफ्रीज़ के पूर्व का उपयोग करते हैं?

Question

जब मैंने अपने स्नातक सांख्यिकीय अनुमान कक्षा में जेफ्रीज़ के बारे में सीखा तो मेरे प्रोफेसरों ने इसे ध्वनि की तरह बना दिया, क्योंकि यह ज्यादातर ऐतिहासिक कारणों के बजाय दिलचस्प था क्योंकि कोई भी कभी भी इसका उपयोग करेगा। फिर जब मैंने बायेसियन डेटा विश्लेषण लिया, तो हमें कभी जेफ्रीज़ के पुजारियों का उपयोग करने के लिए नहीं कहा गया। क्या कोई वास्तव में इनका उपयोग करता है। यदि ऐसा है (या नहीं तो), क्यों या क्यों नहीं? कुछ सांख्यिकीविद इसे गंभीरता से क्यों नहीं लेते?

Comments

मैं को साधारण द्विपद मॉडल ( लिए पूर्व के रूप में उपयोग करना पसंद करता हूं । यह एक एकल डेटम के बराबर वजन के साथ संयुग्मित होता है और यह 1 -आर्डर संभावना-मिलान से पहले होता है, इसलिए मुझे इस बात की अच्छी अनुभूति होती है कि यह संभावित कार्य के लिए क्या करता है और इसके परिणामस्वरूप परिणाम की व्याख्या कैसे करें अंतराल। $p\left(\theta\right)\propto\sqrt{\theta\left(1-\theta\right)}$$^{\rm{st}}$

— सियान

Answer 1

इसका एक आंशिक उत्तर गेलमैन एट अल।, बायेसियन डेटा एनालिसिस , 3 एड में पाया जाता है।

जेफरीज़ के सिद्धांत को बहु-मॉडल मॉडल तक बढ़ाया जा सकता है, लेकिन परिणाम अधिक विवादास्पद हैं। वेक्टर पैरामीटर के पैरामीटर के लिए स्वतंत्र noninformative पूर्व वितरण मानने के आधार पर सरल दृष्टिकोण Theta Jeffreys 'सिद्धांत के साथ प्राप्त किए गए भिन्न परिणाम दे सकते हैं। जब किसी समस्या में मापदंडों की संख्या बड़ी होती है, तो हम पदानुक्रमित मॉडल के पक्ष में शुद्ध गैर-सूचनात्मक पूर्व वितरण को छोड़ने के लिए उपयोगी पाते हैं, जैसा कि हम अध्याय 5 में चर्चा करते हैं।$\theta$

जब गेलमैन लिखते हैं कि परिणाम "विवादास्पद" हैं, तो मेरा मानना ​​है कि उनका मतलब है कि एक पूर्व जो एक आयाम में noninformative है वह कई में दृढ़ता से जानकारीपूर्ण हो जाता है। यदि स्मृति कार्य करती है, तो यह बीडीए 2 वें संस्करण के एक ही खंड में किया गया दावा था , लेकिन मेरे पास फिलहाल इसकी प्रति नहीं है।

Comments

गेलमैन प्यार करता है पदानुक्रमित मॉडल

— ग्लेन

और बहुत अच्छे कारण के साथ

— ब्रास्ट इक्विलिब्रियम