Фон
Одним из наиболее часто используемых слабых предшествующих отклонений является обратная гамма с параметрами (Gelman 2006) .
Однако это распределение имеет 90% CI приблизительно .
library(pscl)
sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001))
[1] 3.362941e+19 Inf
Исходя из этого, я понимаю, что дает низкую вероятность того, что дисперсия будет очень высокой, и очень низкая вероятность того, что дисперсия будет менее 1 P ( σ < 1 | α = 0,001 , β = 0,001 ) = 0,006 .
pigamma(1, 0.001, 0.001)
[1] 0.006312353
Вопрос
Я что-то упустил или это информативный априор?
Обновление, чтобы уточнить, причина, по которой я рассматривал это «информативно», заключается в том, что он очень твердо заявляет, что дисперсия огромна и выходит за рамки практически любой дисперсии, когда-либо измеренной.
последующее наблюдение: обеспечит ли мета-анализ большого числа оценок отклонений более разумный предварительный результат?
Ссылка
Гельман 2006. Априорные распределения для параметров дисперсии в иерархических моделях . Байесовский анализ 1 (3): 515–533