Moje aktualne pytania znajdują się w dwóch ostatnich akapitach, ale motywuję je:
Jeśli próbuję oszacować średnią zmiennej losowej, która podąża za rozkładem normalnym ze znaną wariancją, przeczytałem, że umieszczenie munduru przed średnią skutkuje rozkładem tylnym, który jest proporcjonalny do funkcji prawdopodobieństwa. W takich sytuacjach wiarygodny przedział bayesowski idealnie pokrywa się z częstym przedziałem ufności, a szacunek maksimum a posteriori bayesowskiego jest równy szacunkowi maksymalnego prawdopodobieństwa częstokroć.
W prostym ustawieniu regresji liniowej
umieszczenie przed jednolita na , a odwrotna gamma przed na Ď 2 przy małych wartościach parametrów prowadzi do tylnej P M A P , które są bardzo podobne do częstościowym P M L E i wiarygodnego interwał rozkładu tylnego z β | X, który będzie bardzo podobny do przedziału ufności wokół oszacowania maksymalnego prawdopodobieństwa. Nie będą dokładnie takie same, ponieważ wcześniejszy na σ 2wywiera mały oddziaływania, a jeśli tylna oszacowanie wykonuje się za pomocą symulacji MCMC które wprowadzają inne źródło rozbieżności, lecz wiarygodny Bayesa przedział wokół P M P i częstościowym przedziału ufności P M L E zostanie dość blisko siebie i oczywiście wraz ze wzrostem wielkości próby powinny one się zbiegać, gdy wpływ prawdopodobieństwa staje się dominujący w stosunku do wcześniejszego.
Ale czytałem, że istnieją również sytuacje regresji, w których te prawie równoważne wartości nie mają miejsca. Na przykład regresje hierarchiczne z efektami losowymi lub regresja logistyczna - są to sytuacje, w których, jak rozumiem, nie ma „dobrych” celów lub referencyjnych priorytetów.
i że nie posiadam wcześniejszych informacji, które chciałbym uwzględnić, dlaczego nie mogę kontynuować częstokroć szacowania maksymalnego prawdopodobieństwa w takich sytuacjach i interpretować wynikowe oszacowania współczynników i standardowe błędy jako szacunki Bayesian MAP i odchylenia standardowe, i domyślnie traktować je szacunki „tylne” jako wynikające z przeora, który musiał być „nieinformacyjny” bez próby znalezienia wyraźnego sformułowania przeora, który prowadziłby do takiego tylnego? Zasadniczo, w obszarze analizy regresji, kiedy można postępować zgodnie z tymi zasadami (traktując prawdopodobieństwo jak z tyłu), a kiedy nie jest to w porządku? A co z metodami częstokroć, które nie są oparte na prawdopodobieństwie, takimi jak metody quasi-wiarygodności,
Czy odpowiedzi zależą od tego, czy moim celem wnioskowania są oszacowania punktu współczynnika, czy prawdopodobieństwo, że współczynnik znajdzie się w określonym zakresie, czy też wielkości rozkładu predykcyjnego?
źródło