আমি কয়েক সপ্তাহ আগে এখানে যে প্রশ্নের উত্তর দিয়েছিলাম তার একটি "উত্তর" পোস্ট করছি: কেন আগে দরকারী? যদিও এটি সত্যই একটি প্রশ্ন ছিল (এবং আমার কাছে তখন মন্তব্য পোস্ট করার অধিকারও ছিল না) তবে আমি আশা করি এটি করা ঠিক হবে:
উপরের লিঙ্কে এটি নিয়ে আলোচনা করা হয়েছে যে জেফরির পূর্বের আকর্ষণীয় বৈশিষ্ট্যটি হ'ল, মডেলটির পুনরায় পরিমার্জন করার সময়, ফলস্বরূপ উত্তরোত্তর বিতরণটি উত্তরোত্তর সম্ভাবনা দেয় যা রূপান্তর দ্বারা আরোপিত নিষেধাজ্ঞাগুলি মেনে চলে। বলুন, সেখানে আলোচনা করা হয়েছে, যখন সাফল্য সম্ভাব্যতা থেকে সরানোর মতভেদ করতে বিটা-বের্নুলির উদাহরণে , এটা কেস হওয়া উচিত যে একটি অবর সন্তুষ্ট ।
আমি od প্রতিক্রিয়াতে রূপান্তর করার আগে জেফরির চালকের এক সংখ্যার উদাহরণ তৈরি করতে চেয়েছিলাম , এবং, আরো মজার ব্যাপার হচ্ছে, অন্যান্য গতকাল দেশের সর্বোচ্চ তাপমাত্রা (বলুন, হ্যালডেন, অভিন্ন, বা অবাধ বেশী) এর উহার অভাব।
এখন, যদি সাফল্যের সম্ভাবনার পশ্চাতটি বিটা হয় (কোনও বিটা পূর্বের জন্য, কেবল জেফ্রেই নয়) তবে প্রতিকূলতার পূর্ববর্তী একই পরামিতিগুলির সাথে দ্বিতীয় ধরণের (উইকিপিডিয়া দেখুন) বিটা বিতরণ অনুসরণ করে । তারপরে, নীচের সংখ্যাসূচক উদাহরণে যেমনটি হাইলাইট করা হয়েছে, এটি খুব অবাক হওয়ার মতো বিষয় নয় (কমপক্ষে আমার কাছে) যে বিটা পূর্বের যে কোনও পছন্দ ( alpha0_U
এবং এর সাথে চারপাশে খেলতে হবে beta0_U
) কেবলমাত্র জেফ্রেই নয়, সিএফ-এর জন্য অদলবদল রয়েছে is প্রোগ্রাম আউটপুট।
library(GB2)
# has the Beta density of the 2nd kind, the distribution of theta/(1-theta) if theta~Beta(alpha,beta)
theta_1 = 2/3 # a numerical example as in the above post
theta_2 = 1/3
odds_1 = theta_1/(1-theta_1) # the corresponding odds
odds_2 = theta_2/(1-theta_2)
n = 10 # some data
k = 4
alpha0_J = 1/2 # Jeffreys prior for the Beta-Bernoulli case
beta0_J = 1/2
alpha1_J = alpha0_J + k # the corresponding parameters of the posterior
beta1_J = beta0_J + n - k
alpha0_U = 0 # some other prior
beta0_U = 0
alpha1_U = alpha0_U + k # resulting posterior parameters for the other prior
beta1_U = beta0_U + n - k
# posterior probability that theta is between theta_1 and theta_2:
pbeta(theta_1,alpha1_J,beta1_J) - pbeta(theta_2,alpha1_J,beta1_J)
# the same for the corresponding odds, based on the beta distribution of the second kind
pgb2(odds_1, 1, 1,alpha1_J,beta1_J) - pgb2(odds_2, 1, 1,alpha1_J,beta1_J)
# same for the other prior and resulting posterior
pbeta(theta_1,alpha1_U,beta1_U) - pbeta(theta_2,alpha1_U,beta1_U)
pgb2(odds_1, 1, 1,alpha1_U,beta1_U) - pgb2(odds_2, 1, 1,alpha1_U,beta1_U)
এটি আমাকে নীচের প্রশ্নগুলিতে নিয়ে আসে:
- আমি কি ভুল করি?
- যদি না হয়, তবে বিবাহবিবাহের পরিবারগুলিতে অদম্যতার অভাব না থাকার মতো কোনও ফলাফল আছে, বা এরকম কিছু? (দ্রুত পরিদর্শন আমাকে সন্দেহের দিকে নিয়ে যায় যে আমি উদাহরণস্বরূপ স্বাভাবিক-স্বাভাবিক ক্ষেত্রেও চালচলনের অভাব তৈরি করতে পারি না))
- আপনি যদি একটি (বিশেষ সাধারণ) উদাহরণস্বরূপ যা আমরা জানি না কি করতে invariance অভাব পেতে?