अर्ध-काची कैची वितरण के सममित हिस्सों में से एक है (यदि अनिर्दिष्ट है, तो यह सही आधा है जिसका इरादा है):
चूंकि कॉची के दाहिने आधे का क्षेत्र घनत्व तो दोगुना होना चाहिए। इसलिए आपके पीडीएफ में 2 (हालांकि यह1याद कररहा है121π
अर्ध-कॉची में कई गुण हैं; कुछ उपयोगी गुण हैं जिन्हें हम पहले कर सकते हैं।
स्केल पैरामीटर पर एक पूर्व के लिए एक आम विकल्प उलटा गामा है (कम से कम, क्योंकि यह कुछ परिचित मामलों के लिए संयुग्म है)। जब एक कमजोर सूचनात्मक पूर्व वांछित होता है, तो बहुत छोटे पैरामीटर मान का उपयोग किया जाता है।
अर्ध-कॉची काफी भारी पूंछ है और यह भी, कुछ स्थितियों में काफी कमजोर जानकारीपूर्ण माना जा सकता है। गेलमैन ([1] उदाहरण के लिए) उलटे गामा के ऊपर आधे टी पादरियों (अर्ध-कैची सहित) की वकालत करते हैं क्योंकि उनके पास छोटे पैरामीटर मूल्यों के लिए बेहतर व्यवहार होता है, लेकिन बड़े पैमाने पर पैरामीटर का उपयोग किए जाने पर केवल इसे वाजिब जानकारीपूर्ण मानते हैं । गेलमैन ने हाल के वर्षों में अर्ध-कॉची पर अधिक ध्यान केंद्रित किया है। पोलसन और स्कॉट द्वारा पेपर [2] विशेष रूप से अर्ध-कौची को चुनने के लिए अतिरिक्त कारण देता है।
* आपकी पोस्ट एक मानक अर्ध-कौची को दर्शाती है। गेलमैन शायद एक पूर्व के लिए इसे नहीं चुनेंगे। यदि आपके पास सभी पैमाने पर कोई मतलब नहीं है, तो यह यह कहते हुए मेल खाती है कि पैमाने 1 से नीचे 1 के रूप में होने की संभावना है (जो आप चाहते हैं वह हो सकता है) लेकिन यह उन चीजों में से कुछ के साथ फिट नहीं होगा जो जेलमैन बहस कर रहा है के लिये।
[१] ए। जेलमैन (२००६),
"पदानुक्रमित मॉडल में विचरण मापदंडों के लिए पूर्व वितरण"
बायेसियन विश्लेषण , वॉल्यूम। 1, एन। 3, पीपी। 515–533
http://www.stat.columbia.edu/~gelman/research/published/taumain.pdf
[२] एनजी पोलसन और जेजी स्कॉट (२०१२),
"ऑन द हाफ-कौची प्रायर फॉर ए ग्लोबल स्केल पैरामीटर"
बायेसियन एनालिसिस , वॉल्यूम। 7, नंबर 4, पीपी। 887-902
https://projecteuclid.org/euclid.ba/1354024466