Wykonując bayesowską regresję liniową, należy przypisać pierwszeństwo dla nachylenia i przecięcia . Ponieważ jest parametrem lokalizacji, sensowne jest przypisanie uprzedniego munduru; Wydaje mi się jednak, że jest zbliżone do parametru skali i wydaje się nienaturalne przypisywanie munduru przed nim.
Z drugiej strony nie wydaje się słuszne przypisywanie zwykłego niedoinformowanego przełożonego Jeffreya ( ) dla nachylenia regresji liniowej. Po pierwsze może być ujemny. Ale nie rozumiem, co to może być.
Jaki jest zatem „właściwy” nieinformacyjny uprzedzenie zbocza regresji liniowej bayesowskiej? (Wszelkie referencje będą mile widziane.)
regression
bayesian
uninformative-prior
Lindelof
źródło
źródło
Odpowiedzi:
Z Bayesian Data Analysis wydanie 3, str. 355:
( odnoszący się do regresorów.) Książka zawiera przydatną dalszą dyskusję wykraczającą poza zakres tego pytania: Kiedy ten przeżytek jest użyteczny, gdy inni są bardziej odpowiedni, jego późniejsze porównanie i porównanie z klasycznymi szacunkami.X
źródło
Bayesianie zwykle wybierają przeory, które ułatwiają ich matematycznie trudne życie. Oznacza to priory gaussowskie, chyba że model absolutnie tego zabrania. Pamiętaj, że potrzebujesz wcześniej dwuwymiarowego w swojej sytuacji, ponieważ musisz modelować korelację między nachyleniem i położeniem, a także ich marginalne zachowania. Norma wielowymiarowa jest twoim biletem.
Gaussowski przedtem parametrów ładnie zazębia się z (niewątpliwie) błędem pomiaru Gaussa, który ma już Twój model regresji.
Nawiasem mówiąc, nie wiążę nachyleń z parametrami skali, ponieważ nachylenia mogą być ujemne, a parametry skali nie.
Teraz rozkład gaussowski nie jest nieinformacyjnym przeorem, ale jeśli tak naprawdę nie masz wcześniejszych informacji, być może powinieneś być częstym. Lub użyj Gaussa z bardzo dużą wariancją.
Nie znam współczesnego odniesienia do wnioskowania bayesowskiego. Ryzykując użycie bazooki do zastrzelenia królika, możesz poszukać Rasmussena i Williamsa, które są dostępne online . Pierwsza część rozdziału 2 szczegółowo omawia regresję bayesowską.
źródło
źródło