जवाबों:
जेलमैन एट अल। (2003) कहते हैं:
लंबे समय से पहले वितरण की इच्छा थी जो कि पीछे के वितरण में न्यूनतम भूमिका निभाने की गारंटी हो सकती है। इस तरह के वितरणों को कभी-कभी 'संदर्भ पूर्व वितरण' कहा जाता है और पूर्व घनत्व को अस्पष्ट, सपाट या गैर - सूचनात्मक के रूप में वर्णित किया जाता है । [मूल पाठ से जोर]
जेलमैन एट अल में जेफ्रीस की चर्चा के पहले मेरे पढ़ने के आधार पर। (2003, p.62ff, वास्तव में गैर-सूचनात्मक पूर्व के अस्तित्व के बारे में कोई आम सहमति नहीं है, और यह पर्याप्त रूप से अस्पष्ट / सपाट / फैलाने वाले पुजारी पर्याप्त हैं।
उनके द्वारा किए गए कुछ बिंदु:
ध्यान दें कि यह सामुदायिक विकी है - अंतर्निहित सिद्धांत मेरी समझ की सीमा पर है, और मैं इस उत्तर में योगदान की सराहना करूंगा।
जेलमैन एट अल। 2003 बायेसियन डेटा विश्लेषण, चैपमैन और हॉल / सीआरसी
निश्चित रूप से नहीं, हालांकि वे अक्सर विनिमेय रूप से उपयोग किए जाते हैं। पूर्व में एक अस्पष्ट (अपेक्षाकृत असंक्रमित, वास्तव में दूसरों पर कुछ मूल्यों के पक्ष में नहीं) एक वास्तव में कुछ अन्य परिवर्तन से पहले एक बहुत ही जानकारीपूर्ण प्रेरित कर सकते हैं । यह जेफ्री के पूर्व के लिए प्रेरणा का कम से कम हिस्सा है, जिसे शुरू में यथासंभव गैर-सूचनात्मक बनाने के लिए बनाया गया था।
अस्पष्ट पादरी आपके मॉडल के लिए कुछ बहुत ही दयनीय काम भी कर सकते हैं। अब-क्लासिक उदाहरण का उपयोग कर रहा है एक पदानुक्रमित मॉडल में घटकों पर रूप में।
पूर्व में अनुचित सीमा इस मामले में एक अनुचित पश्च देता है। एक लोकप्रिय विकल्प यह था कि वास्तव में छोटा होने के लिए जाए, जिसके परिणामस्वरूप एक ऐसा परिणाम सामने आता है जो कि पर लगभग समान दिखता है । लेकिन यह भी एक परिणाम है कि लगभग अनुचित है, और मॉडल फिटिंग और इनफ़ेक्शन का सामना करना पड़ा। एक पूर्ण प्रदर्शनी के लिए पदानुक्रमित मॉडल में विचरण मापदंडों के लिए जेलमैन के पूर्व वितरण देखें ।
संपादित करें: @csgillespie (ठीक से!) बताते हैं कि मैंने आपके प्रश्न का पूरी तरह से उत्तर नहीं दिया है। मेरे दिमाग में पहले से एक गैर-जानकारीपूर्ण एक है जो इस अर्थ में अस्पष्ट है कि यह विशेष रूप से पैरामीटर स्पेस के एक क्षेत्र को दूसरे के पक्ष में नहीं करता है, लेकिन ऐसा करने में इसे अन्य मापदंडों पर जानकारीपूर्ण पादरियों को प्रेरित नहीं करना चाहिए। तो एक गैर-जानकारीपूर्ण पूर्व अस्पष्ट है लेकिन एक अस्पष्ट पूर्व आवश्यक नहीं है कि गैर-सूचनात्मक है। एक उदाहरण जहां यह नाटक में आता है, बेयसियन चर चयन है; चर समावेश संभावनाओं पर एक "अस्पष्ट" वास्तव में मॉडल में शामिल चर की कुल संख्या से पहले एक बहुत जानकारीपूर्ण प्रेरित कर सकते हैं!
यह मुझे लगता है कि वास्तव में गैर-विरूपताओं के लिए खोज क्विक्सोटिक है (हालांकि कई असहमत होंगे); तथाकथित "कमजोर रूप से" जानकारीपूर्ण पुजारियों का उपयोग करने के लिए बेहतर है (जो, मुझे लगता है, आमतौर पर कुछ अर्थों में अस्पष्ट हैं)। वास्तव में, कितनी बार हम सवाल में पैरामीटर के बारे में कुछ भी नहीं जानते हैं ?
लैंबर्ट एट अल (2005) ने सवाल उठाया "कैसे अस्पष्ट है? एक अस्पष्ट अध्ययन MCMC में WinBUGS का उपयोग करते हुए अस्पष्ट पूर्व वितरण के उपयोग के प्रभाव का अध्ययन "। वे लिखते हैं: "हम गैर-सूचनात्मक पूर्व वितरण शब्द का उपयोग करने की वकालत नहीं करते हैं क्योंकि हम सभी पुजारियों को कुछ जानकारी में योगदान करने के लिए मानते हैं"। मैं सहमत हूं लेकिन मैं निश्चित रूप से बायेसियन आंकड़ों का कोई विशेषज्ञ नहीं हूं।
मुझे संदेह है कि "अस्पष्ट पूर्व" का उपयोग एक ऐसे पूर्व के लिए किया जाता है जो कुछ छोटे, लेकिन गैर-शून्य राशि के ज्ञान को एक पैरामीटर के वास्तविक मूल्य के बारे में बताने के लिए जाना जाता है, जबकि एक "गैर-पूर्व सूचना" का उपयोग पूर्ण अज्ञानता के लिए किया जाएगा उस पैरामीटर के मूल्य के बारे में। इसका उपयोग संभवतः यह दिखाने के लिए किया जाएगा कि विश्लेषण पूरी तरह से उद्देश्यपूर्ण नहीं था ।
उदाहरण के लिए एक बहुत व्यापक गाऊसी एक पैरामीटर से पहले एक अस्पष्ट हो सकता है जहां एक गैर-सूचनात्मक पूर्व एक समान होगा। गॉसियन ब्याज के पैमाने पर लगभग बहुत सपाट होगा, लेकिन फिर भी एक विशेष मूल्य को किसी अन्य की तुलना में थोड़ा अधिक अनुकूल करेगा (लेकिन यह समस्या को गणितीय रूप से अधिक ट्रैफ़िक बना सकता है)।