আমি শি'আনের চমৎকার উত্তরের সাথে একমত, আমি উল্লেখ করে যে কোনও তথ্য বহন করার অর্থে "অপ্রয়োজনীয়" এমন কোনও পূর্বে নেই। এই বিষয়টিকে প্রসারিত করার জন্য, আমি এটি উল্লেখ করতে চেয়েছিলাম যে একটি বিকল্প হ'ল অসম্পূর্ণ সম্ভাবনার কাঠামোর মধ্যে বায়েশিয়ান বিশ্লেষণ করা ( উদাহরণস্বরূপ , ওয়ালি 1991 , ওয়ালি 2000 ) দেখুন। এই কাঠামোর মধ্যে পূর্বের বিশ্বাস সম্ভাবনা বিতরণের একটি সেট দ্বারা প্রতিনিধিত্ব করা হয়, এবং এটি উত্তরোত্তর বিতরণগুলির সাথে সম্পর্কিত সেট তৈরি করে। এটি খুব সহায়ক হবে না এর মত শোনায় তবে এটি আসলে বেশ আশ্চর্যজনক। এমনকি পূর্বের বিতরণগুলির একটি বিস্তৃত সেট সহ (যেখানে নির্দিষ্ট মুহূর্তগুলি সমস্ত সম্ভাব্য মানের চেয়ে বেশি পরিমাণে বিস্তৃত হতে পারে) আপনি এখনও এখনও হিসাবে একটি একক উত্তরাধিকারসূত্রে উত্তরোত্তর একত্রিত হন ।n→∞
এই বিশ্লেষণাত্মক কাঠামোটি ওয়ালির নিজস্ব সম্ভাব্য বিশ্লেষণের নিজস্ব রূপ হিসাবে অচল করে দেওয়া হয়েছে, তবে মূলত প্রিয়ারদের একটি সেট ব্যবহার করে শক্তিশালী বায়েশিয়ান বিশ্লেষণের সমতুল্য, পোস্টারিয়ারগুলির সাথে সম্পর্কিত সেট তৈরি করে। অনেকগুলি মডেলগুলিতে কিছু "মুহুর্তের (উদাহরণস্বরূপ, পূর্বের মাধ্যম) মানগুলির সম্পূর্ণ সম্ভাব্য পরিসরের চেয়ে আলাদা হয়ে যাওয়ার জন্য প্রিয়ারদের একটি" অবিজ্ঞানমূলক "সেট সেট করা সম্ভব হয় এবং এটি সত্ত্বেও মূল্যবান উত্তরোত্তর ফলাফল তৈরি করে, যেখানে উত্তরোত্তর মুহুর্তগুলি আবদ্ধ থাকে আরও শক্তভাবে। বিশ্লেষণের এই ফর্মটি তত্ক্ষণাত্ তাদের সম্পূর্ণ অনুমোদনযোগ্য পরিসরে পরিবর্তিত হতে পারে এমন মুহুর্তগুলিতে "আনফর্মেশনাল" বলার পক্ষে আরও ভাল দাবি রয়েছে।
একটি সাধারণ উদাহরণ - বার্নৌল্লি মডেল: ধরুন আমরা ডেটা পর্যবেক্ষণ করি যেখানে হ'ল অজানা প্যারামিটার। সাধারণত আমরা পূর্ব হিসাবে একটি বিটা ঘনত্ব ব্যবহার করব (জেফরির পূর্ববর্তী এবং রেফারেন্স পূর্ববর্তী উভয়ই এই ফর্মের)। আমরা পূর্বের ঘনত্বের এই ফর্মটি পূর্বের গড় এবং অন্য একটি প্যারামিটার হিসাবে উল্লেখ করতে পারি:X1,...,Xn|θ∼IID Bern(θ)θμκ>1
π0(θ|μ,κ)=Beta(θ|μ,κ)=Beta(θ∣∣α=μ(κ−1),β=(1−μ)(κ−1)).
(এই ফর্মটি পূর্বের মুহুর্তগুলি দেয় এবং )) এখন, এক অনর্থক মডেলটিতে আমরা সমস্ত সম্ভাব্য প্রত্যাশিত মানগুলির তুলনায় এই সমস্ত পূর্ব বিতরণের সেট সমন্বিত করতে পূর্ব নির্ধারণ করুন , তবে অন্যান্য পরামিতিগুলির সাথে গড় মানগুলির পরিসীমাটির উপরে নির্ভুলতা নিয়ন্ত্রণ করতে হবে। উদাহরণস্বরূপ, আমরা প্রিয়ার্সের সেটটি ব্যবহার করতে পারি:E(θ)=μV(θ)=μ(1−μ)/κ
P0≡{Beta(μ,κ)∣∣0⩽μ⩽1}.
ধরা যাক আমরা ডেটাতে ধনাত্মক সূচকগুলি পর্যবেক্ষণ । তারপরে, বার্নোল্লি-বিটা মডেলটির জন্য আপডেট করার নিয়মটি ব্যবহার করে, সম্পর্কিত উত্তরোত্তর সেটটি হ'ল:s=∑ni=1xi
Px={Beta(s+μ(κ−1)n+κ−1,n+κ)∣∣0⩽μ⩽1}.
উত্তর প্রত্যাশার জন্য সম্ভাব্য মানগুলির ব্যাপ্তি হ'ল:
sn+κ−1⩽E(θ|x)⩽s+κ−1n+κ−1.
এখানে গুরুত্বপূর্ণ বিষয়টি হ'ল যদিও আমরা প্যারামিটারের প্রত্যাশিত মান (পূর্বের প্রত্যাশা সমস্ত সম্ভাব্য মানের চেয়ে বেশি ছিল) সম্মতিতে "অবজ্ঞাত" ছিল এমন একটি মডেল দিয়ে শুরু করেছি, তবে আমরা পরবর্তী পোস্টগুলি শেষ করেছি যা শ্রদ্ধার সাথে তথ্যমূলক প্যারামিটারের উত্তর প্রত্যাশায় (তারা এখন মানগুলির একটি সংকীর্ণ সংখ্যার উপরে বিস্তৃত)। হিসাবে মূল্যবোধের এই পরিসীমা নিচে একটি একক বিন্দু, যার প্রকৃত মূল্য থেকে চিপা হয় ।n→∞θ