बहुत अच्छा सवाल! यह वास्तव में समझ में आएगा कि "अच्छा" पूर्व वितरण सकारात्मक संभावना या सकारात्मक घनत्व मान को "सही" पैरामीटर देता हैθ0, लेकिन विशुद्ध रूप से निर्णायक दृष्टिकोण से यह मामला नहीं है। इस "अंतर्ज्ञान" के लिए एक सरल प्रति-उदाहरण
π(θ0) > 0
आवश्यक होना चाहिए, जब
π( ⋅ ) पूर्व घनत्व है और
θ0पैरामीटर का "सही" मान है,
कैसाला और स्ट्रॉडरमैन (1981) का शानदार
न्यूनतम परिणाम है : जब एक सामान्य औसत का अनुमान लगाया जाता है
μ एक अवलोकन के आधार पर
x ∼ एन( μ , 1 ) अतिरिक्त बाधा के साथ
| μ | <ρ, अगर
ρ काफी छोटा है,
ρ ≤ 1.0567 विशेष रूप से, न्यूनतम अनुमानक पहले से कम (कम से कम अनुकूल) वर्दी से मेल खाती है
{ - ρ , ρ }, जिसका अर्थ है कि
π के बराबर वजन देता है
- एल तथा
ρ (और माध्य के किसी अन्य मान से कोई भी नहीं
μ)
π( Θ ) =12δ- एल( Θ ) +12δρ( θ )
कब
ρकम से कम अनुकूल पहले अपने समर्थन को बढ़ता हुआ देखता है, लेकिन संभावित मूल्यों के एक सीमित सेट को शेष रखता है। हालाँकि पीछे की अपेक्षा,
ई [μ | x], किसी भी मूल्य पर ले जा सकते हैं
( - ρ , ρ )।
चर्चा का मूल (टिप्पणी देखें) हो सकता है कि, बेयस अनुमानक समर्थन के समर्थन में एक बिंदु बनने के लिए विवश थे
π(⋅ ), इसके गुण काफी भिन्न होंगे।
इसी तरह, जब स्वीकार्य अनुमानकों पर विचार करते हैं, तो कॉम्पैक्ट सेट पर एक उचित पूर्व से जुड़े बेयस अनुमानक आमतौर पर स्वीकार्य होते हैं, हालांकि उनके पास एक प्रतिबंधित समर्थन होता है।
दोनों मामलों में, अक्सर धारणा (न्यूनतमता या स्वीकार्यता) को मापदंडों की संभावित सीमा पर परिभाषित किया जाता है, बल्कि पैरामीटर के "सही" मूल्य पर (जो प्रश्न 4 का उत्तर लाता है) उदाहरण के लिए, पीछे के जोखिम को देखते हुए
∫Θएल ( θ , δ) π( Θ | एक्स ) घ θ
या बेयस जोखिम में
∫एक्स∫Θएल (θ , δ) π( θ ) च( X | θ ) घ θ घ एक्स
सही मूल्य शामिल नहीं है
θ0।
इसके अलावा, जैसा कि ऊपर दिए गए उदाहरण में बताया गया है, जब बेयस अनुमानक को एक औपचारिक अभिव्यक्ति द्वारा परिभाषित किया गया है जैसे कि पश्च मीन
θ^π( x ) =∫Θθ π( Θ | एक्स ) घ θ
द्विघात के लिए (या
एल2) हानि, यह अनुमानक के समर्थन के बाहर मान ले सकता है
π मामलों में यह समर्थन उत्तल नहीं है।
एक तरफ, जब पढ़ने के रूप में
सही exist के लिए डेटा उत्पन्न किया है (यानी "मौजूद"), π π के तहत एक संभावित चर होना चाहिए, उदाहरण के लिए गैर-शून्य संभावना, गैर-शून्य घनत्व है
मैं इसे पूर्व के अर्थ का गलत चित्रण मानता हूं। पूर्व वितरण को वास्तविक भौतिक (या वास्तविक) तंत्र के लिए खड़ा नहीं होना चाहिए जिसने एक पैरामीटर मान देखाθ0 से उत्पन्न π एक अवलोकन के बाद एक्स से उत्पन्न च( x |θ0)। पूर्व पैरामीटर स्पेस पर एक संदर्भ उपाय है जो पैरामीटर के बारे में पूर्व सूचना और व्यक्तिपरक मान्यताओं को शामिल करता है और यह अद्वितीय नहीं है। एक बायेसियन विश्लेषण हमेशा इस बायेसियन विश्लेषण का संचालन करने के लिए चुने गए पूर्व के सापेक्ष होता है। इसलिए, सच्चे पैरामीटर के समर्थन से संबंधित होने के लिए एक परम आवश्यकता नहीं हैπ। जाहिर है, जब यह समर्थन एक कॉम्पैक्ट कनेक्टेड सेट है,A, सेट के बाहर पैरामीटर का कोई भी मूल्य A लगातार पश्च माध्य से अनुमान नहीं लगाया जा सकता है θ^π लेकिन यह भी अनुमानक को स्वीकार्य होने से नहीं रोकता है।