প্রথমত, অপ্রয়োজনীয় পূর্বের মতো কোনও জিনিস নেই । নীচে আপনি বিভিন্ন ডেটা দেওয়া পাঁচটি পৃথক "অননুমোদিত" প্রিয়ার (প্লটের নীচে বর্ণিত) এর ফলে পোস্টারিয়র ডিস্ট্রিবিউশনগুলি দেখতে পাবেন। আপনি পরিষ্কারভাবে দেখতে পাচ্ছেন যে, "অপ্রয়োজনীয়" প্রবীণদের পছন্দ উত্তরোত্তর বিতরণকে প্রভাবিত করেছিল, বিশেষত এমন ক্ষেত্রে যেখানে ডেটা নিজেই খুব বেশি তথ্য সরবরাহ করে না ।
α=βα≤1,β≤1α=β=1α=β=1/2α=β=1/3α=β=0α=β=εε>0
αβyn
θ∣y∼B(α+y,β+n−y)
α,βα=β=1n
প্রথম দর্শনে, হালদানে আগে, সবচেয়ে "অবজ্ঞাত" বলে মনে হয়, যেহেতু এটি উত্তরোত্তর দিকে পরিচালিত করে, এটি সর্বাধিক সম্ভাবনার অনুমানের ঠিক সমান
α+yα+y+β+n−y=y/n
y=0y=n
"অবজ্ঞাতনামা" প্রিরিয়ারগুলির প্রত্যেকের পক্ষে এবং বিপক্ষে বিভিন্ন যুক্তি রয়েছে (দেখুন কারমান, ২০১১; টুয়েল এট আল, ২০০৮)। উদাহরণস্বরূপ, টুয়েল এট আল দ্বারা আলোচিত হিসাবে,
101
অন্যদিকে, ছোট ডেটাসেটের জন্য অভিন্ন প্রিয়ারগুলি ব্যবহার করা খুব প্রভাবশালী হতে পারে (সিউডোকাউন্টগুলির ক্ষেত্রে এটি ভাবেন)। আপনি একাধিক কাগজপত্র এবং হ্যান্ডবুকগুলিতে এই বিষয়ে আরও অনেক তথ্য এবং আলোচনার সন্ধান করতে পারেন।
দুঃখিত, তবে এখানে কোনও একক "সেরা", "সর্বাধিক তথ্যহীন", বা "এক-আকারের ফিটস-সমস্ত" প্রিয়ার নেই। তাদের প্রত্যেকে মডেলটিতে কিছু তথ্য নিয়ে আসে।
কারমান, জে। (২০১১) নিরপেক্ষ ননফর্মাল এবং তথ্যবহুল সংযুক্তি বিটা এবং গামা পূর্বে বিতরণ। বৈদ্যুতিন জার্নাল অফ স্ট্যাটিস্টিকস, 5, 1450-1470।
টুয়েল, এফ, গেরলাচ, আর। এবং মেনজারসেন, কে। (২০০৮)। বেয়েস-ল্যাপ্লেস, জেফ্রি এবং অন্যান্য পুরষ্কারগুলির একটি তুলনা। আমেরিকান পরিসংখ্যানবিদ, 62 (1): 40-44।