Пусть , где - монотонная функция от и пусть - обратное к , так что . Мы можем получить предварительное распределение Джеффри двумя способами:ϕ=g(θ)gθhgθ=h(ϕ)pJ(ϕ)
- Начните с биномиальной модели (1)
повторно параметризовать модель с помощью чтобы получить
и получите предварительное распределение Джеффри для этой модели.
р ( у| θ)= ( nY) θY( 1 - θ )н - у
ϕ = г( θ )р ( у| ϕ)= ( nY) h(ϕ)Y( 1 - ч ( ϕ ) )н - у
пJ( ϕ )
- Получите предварительное распределение Джеффри из исходной биномиальной модели 1 и примените формулу замены переменных, чтобы получить индуцированную априорную плотность припJ( θ )φ
пJ( ϕ ) = pJ( h ( ϕ ) ) | dчасdφ| ,
Быть инвариантным к репараметризации означает, что плотности полученные обоими способами, должны быть одинаковыми. Приор Джеффри обладает такой характеристикой [Ссылка: Первый курс по байесовским статистическим методам П. Хоффа .]пJ( ϕ )
Ответить на ваш комментарий. Чтобы получить предварительное распределение Джеффри из вероятности для биномиальной модели
мы должны вычислить информацию Фишера, взяв логарифм вероятности и вычислить вторую производную от
и информация о Фишере
пJ( θ )р ( у| θ)= ( nY) θY( 1 - θ )н - у
LL
л : =log( р ( у| θ))∂L∂θ∂2L∂θ2αyжурнал( θ ) + ( n -y)log( 1 - θ )= уθ- п - у1 - θ= - уθ2- п - у( 1 - θ )2
я( θ)= - E( ∂2L∂θ2|θ )знак равноn θθ2+ n - n θ( 1- θ )2= пθ ( 1 - θ )∝ θ- 1( 1 - θ)-1,
Приоритет Джеффри для этой модели:
что равно .пJ( θ )знак равно Я( θ )----√∝ θ- 1 / 2( 1 - θ )- 1 / 2
бета (1 / 2,1 / 2)