Niektóre dystrybucje mają sprzężone priory, a niektóre nie. Czy to rozróżnienie to tylko wypadek? To znaczy, robisz matematykę, i to działa w taki czy inny sposób, ale tak naprawdę nie mówi ci nic ważnego o rozkładzie, z wyjątkiem samego faktu?
A może obecność lub brak koniugatu wcześniej odzwierciedla jakąś głębszą właściwość rozkładu? Czy dystrybucje z sprzężonymi priory mają jakąś inną interesującą właściwość lub właściwości, których brakuje w innych dystrybucjach, co powoduje, że te dystrybucje, a nie inne, mają wcześniejszą koniugat?
Odpowiedzi:
To nie jest przypadek. Tutaj znajdziesz krótką, bardzo miłą recenzję na temat sprzężonych priorów. Konkretnie, wspomniano, że jeśli istnieje zestaw wystarczających statystyk ustalonego wymiaru dla danej funkcji prawdopodobieństwa, wówczas można wcześniej utworzyć koniugat. Posiadanie zestawu wystarczających statystyk oznacza, że prawdopodobieństwo można podzielić na czynniki w postaci, która pozwala oszacować parametry w sposób wydajny obliczeniowo.
Poza tym posiadanie sprzężonych priorów jest nie tylko wygodne obliczeniowo. Zapewnia również wygładzanie i pozwala na pracę z bardzo małą ilością próbek lub bez wcześniejszych próbek, co jest konieczne w przypadku problemów takich jak podejmowanie decyzji, w przypadkach, gdy masz bardzo mało dowodów.
źródło
Jestem bardzo nowy w statystyce bayesowskiej, ale wydaje mi się, że wszystkie te rozkłady (a jeśli nie wszystkie, to przynajmniej te, które są przydatne) mają tę samą właściwość, że są opisywane przez jakąś ograniczoną metrykę o obserwacjach, które je definiują . Tj. Dla normalnego rozkładu nie musisz znać każdego szczegółu o każdej obserwacji, tylko ich całkowitą liczbę i sumę.
Innymi słowy, zakładając, że znasz już klasę / rodzinę dystrybucji, to rozkład ten ma ściśle niższą entropię informacji niż obserwacje, które ją spowodowały.
Czy to wydaje się trywialne, czy może jest to coś, czego szukasz?
źródło
Jakie właściwości są „głębokie”, jest bardzo subiektywnym zagadnieniem! więc odpowiedź zależy od twojego pojęcia „głębokiego”. Ale jeśli posiadanie sprzężonych priorów jest w pewnym sensie „głęboką” właściwością, to sens ten jest matematyczny, a nie statystyczny. Jedynym powodem, dla którego (niektórzy) statystycy są zainteresowani sprzężonymi priorytetami, jest to, że upraszczają niektóre obliczenia. Ale to jest mniej ważne na każdy dzień, który mija!
Podsumowując, zwykłe sprzężone rodziny w wykładniczych rodzinach można uzasadnić jako priory prowadzące do metod liniowych lub jako priory pochodzące z reprezentowania wcześniejszych danych. Mam nadzieję, że ta rozszerzona odpowiedź pomoże!
źródło