n = 37
Во-первых, в соответствии с тем, что сказал @Glen_b, байесианец на самом деле не интересуется, действительно ли кубик абсолютно честен - это не так. Что его волнует, так это то, достаточно ли он близок , что бы ни означало «достаточно» в контексте, скажем, в пределах 5% от справедливости для каждой стороны.
п1п2п3р = ( р1, р2, р3)п1+ р2+ р3= 1α0= ( 1 , 1 , 1 )
Икс= ( X1, X2, X3)Икср = ( р1, р2, р3)α = ( x1+ 1 , х2+ 1 , х3+ 1 )
п
Во всяком случае, вот как (с R):
Во-первых, получить некоторые данные. Мы бросаем кубик 500 раз.
set.seed(1)
y <- rmultinom(1, size = 500, prob = c(1,1,1))
(мы начинаем с честного кубика; на практике эти данные будут соблюдаться.)
п
library(MCMCpack)
A <- MCmultinomdirichlet(y, alpha0 = c(1,1,1), mc = 5000)
plot(A)
summary(A)
Наконец, давайте оценим нашу апостериорную вероятность (после наблюдения данных), что матрица находится в пределах 0,05 от справедливой по каждой координате.
B <- as.matrix(A)
f <- function(x) all((x > 0.28)*(x < 0.38))
mean(apply(B, MARGIN = 1, FUN = f))
Результат около 0,9486 на моей машине. (Не удивительно, правда. Мы все-таки начали с честного кубика.)
Быстрое замечание: для нас, вероятно, не имеет смысла использовать неинформативный ранее в этом примере. Поскольку существует даже вопрос, предположительно, что матрица вначале выглядит приблизительно сбалансированной, поэтому может быть лучше выбрать априор, сконцентрированный ближе к 1/3 во всех координатах. Выше это просто сделало бы нашу предполагаемую апостериорную вероятность «близкой к справедливой» еще выше.