В своей книге «Вся статистика» профессор Ларри Вассерман приводит следующий пример (11.10, стр. 188). Предположим , что мы имеем плотность такой , что , где является известным (неотрицательное интегрируемой) функции и нормализация постоянной является неизвестной .c > 0
Нас интересуют те случаи, когда мы не можем вычислить . Например, это может быть случай, когда - это PDF-файл в очень большом размерном пространстве.
Хорошо известно, что существуют методы моделирования, которые позволяют нам выбирать из , даже если неизвестно. Следовательно, загадка заключается в следующем: как мы можем оценить по такой выборке?
Профессор Вассерман описывает следующее байесовское решение: пусть будет некоторым априором для . Вероятность: Следовательно, апостериорный не зависит от значений выборки . Следовательно, байесовский не может использовать информацию, содержащуюся в образце, чтобы сделать выводы о .
Профессор Вассерман указывает, что «байесовцы являются рабами функции вероятности. Когда вероятность искажается, то и байесовский вывод».
Мой вопрос к моим коллегам-укладчикам таков: что касается этого конкретного примера, что пошло не так (если вообще что-то) с байесовской методологией?
PS Профессор Вассерман любезно объяснил в своем ответе, что пример принадлежит Эду Джорджу.