পরিসংখ্যানবিদরা প্রকৃত প্রয়োগকৃত কাজের আগে জেফরির ব্যবহার করেন?

আমি যখন স্নাতক পরিসংখ্যান সংক্রান্ত অনুমানের ক্লাসে জেফরির সম্পর্কে জানতে পেরেছিলাম তখন আমার অধ্যাপকরা এটিকে এমন এক ধরণের শব্দ বানিয়েছিলেন যে এটি বেশিরভাগ historicalতিহাসিক কারণে আকর্ষণীয় ছিল, বরং যেহেতু কেউ কখনও এটি ব্যবহার করবে না। তারপরে যখন আমি বায়েশিয়ান ডেটা বিশ্লেষণ করলাম, আমাদের কখনই জেফ্রির প্রিরিয়ার ব্যবহার করতে বলা হয়নি। বাস্তবে কেউ বাস্তবে এগুলি ব্যবহার করে? যদি তাই হয় (বা না হয়), কেন বা কেন নয়? কিছু পরিসংখ্যানবিদ কেন এটিকে গুরুত্ব সহকারে নেন না?

bayesian prior jeffreys-prior

— frelk
সূত্র

আমি ব্যবহার করতে চান জেফ্রিস 'একটি ডিফল্ট / সহজ দ্বিপদ মডেল জন্য অ-তথ্যপূর্ণ পূর্বে (যেমন পূর্বে

)। এটি একক ডাটামের সমতুল্য ওজনের সাথে সংমিশ্রণ এবং এটি 1

সীমান্তের সম্ভাবনার সাথে মেলে - সুতরাং এটি সম্ভাবনা কার্যকারিতাটি কী করে এবং ফলস্বরূপ বিশ্বাসযোগ্য অন্তরগুলি কীভাবে ব্যাখ্যা করতে পারে তার জন্য আমার ভাল অনুভূতি রয়েছে।

p (θ) \propto \sqrt{θ (1 - θ)}

$p\left(\theta\right)\propto\sqrt{\theta\left(1-\theta\right)}$

^{s t}

$^{\rm{st}}$

— সায়ান

এর আংশিক উত্তর গেলম্যান এট আল, বেইসিয়ান ডেটা অ্যানালাইসিস , তৃতীয় সংস্করণে পাওয়া যায়।

জেফরিসের নীতিটি মাল্টিপ্যারামিটার মডেলগুলিতে বাড়ানো যেতে পারে তবে ফলাফলগুলি আরও বিতর্কিত। সহজ ভেক্টর প্যারামিটারের উপাদান জন্য স্বাধীন noninformative পূর্বে ডিস্ট্রিবিউশন অভিমানী উপর ভিত্তি করে পন্থা চেয়ে জেফ্রিস 'নীতি সঙ্গে প্রাপ্ত হয় ভিন্ন ফলাফল দিতে পারে। যখন কোনও সমস্যায় প্যারামিটারের সংখ্যা বড় হয়, আমরা বিভাগীয় মডেলগুলির পক্ষে খাঁটি নন-ইনফরমটিভ পূর্ববর্তী বিতরণগুলি ত্যাগ করা কার্যকর বলে মনে করি, যেমন আমরা অধ্যায় 5 তে আলোচনা করেছি। $\theta$

যখন গেলম্যান লিখেছেন যে ফলাফলগুলি "বিতর্কিত", তবে আমি বিশ্বাস করি যে তার অর্থ একটি দিকের মধ্যে অপ্রয়োজনীয় যে পূর্বের বেশ কয়েকটি ক্ষেত্রে দৃ strongly়ভাবে তথ্যবহুল হয়ে ওঠে। মেমরিটি যদি পরিষেবা দেয় তবে বিডিএ ২ য় সংস্থার একই বিভাগে এটি দাবি করা হয়েছিল , তবে এই মুহুর্তে আমার কাছে একটি অনুলিপি নেই।

— সাইকোরাক্স মনিকাকে রিইনস্টেট বলে
সূত্র

গেলম্যান হায়ারিকালিকাল মডেলগুলি পছন্দ করেন

— গ্লেন

এবং খুব ভাল কারণ সহ

— ব্রাশ ভারসাম্য