Из теории статистики Марка Дж. Шервиша (стр. 12):
Хотя теорема ДеФинетти о представлении 1.49 является центральной для мотивации параметрических моделей, она фактически не используется в их реализации.
Как теорема является центральной в параметрических моделях?
Ответы:
Теорема о представлении де Финетти в рамках субъективистской интерпретации вероятностей дает единый смысл статистических моделей и значения параметров и их предыдущих распределений.
Предположим, что случайные величины представляют результаты последовательных бросков монеты, значения и соответствуют результатам «Головки» и «Хвосты» соответственно. Анализируя в контексте субъективистской интерпретации исчисления вероятности значение обычной частотной модели, согласно которой независимы и одинаково распределены, Де Финетти заметил, что условие независимости подразумевает, например, что и, следовательно, результаты первого броски не изменили бы мою неуверенность относительно результатаX1,…,Xn 1 0 Xi
Это наблюдение привело Де Финетти к введению условия, более слабого, чем независимость, которое разрешает это очевидное противоречие. Ключом к решению Де Финетти является своего рода распределительная симметрия, известная как взаимозаменяемость.
Предполагая только, что последовательность случайных величин является взаимозаменяемой, Де Финетти доказал заметную теорему, которая проливает свет на значение широко используемых статистических моделей. В конкретном случае, когда принимают значения и , теорема о представлении Де Финетти говорит, что можно заменить, если и только если есть случайная величина , с распределением , таким, что в котором . Более того, у нас есть это{Xi}∞i=1 Xi 0 1 {Xi}∞i=1 Θ:Ω→[0,1] μΘ
Эта теорема о представлении показывает, как возникают статистические модели в байесовском контексте: согласно гипотезе взаимозаменяемости наблюдаемых , a так что при заданном значении наблюдаемые являются независимыми и одинаково распределенными. Более того, строгий закон де Финетти показывает, что наше предварительное мнение о ненаблюдаемой , представленной распределением , является мнением о пределе , прежде чем мы получим информацию о значениях реализаций. любого из{Xi}∞i=1 there is parameter Θ Θ conditionally Θ μΘ X¯n Xi «S. Параметр играет роль полезной вспомогательной конструкции, которая позволяет нам получать условные вероятности, включающие только наблюдаемые, через отношения типа
Θ
источник
Все математически верно в ответе дзен. Однако я не согласен с некоторыми моментами. Пожалуйста, знайте, что я не утверждаю / не верю, что моя точка зрения - хорошая; напротив, я чувствую, что эти пункты еще не совсем ясны для меня. Это несколько философские вопросы, о которых мне нравится обсуждать (и хорошее упражнение по английскому для меня), и меня также интересуют любые советы.
Что касается примера с «Головами», комментарий Дзен: «Гипотеза независимости подразумевает, что невозможно ничего узнать о монете, наблюдая за результатами ее бросков». Это не так с точки зрения частых: изучение монеты означает изучение « , что возможно путем оценки (точечная оценка или доверительный интервал) « из предыдущих результатов. Если частый наблюдатель наблюдает за «головами», то он / она приходит к выводу, что , вероятно, близко к , и поэтому следовательно.999 Xi θ θ 999 999 θ 1 Pr(Xn=1)
Кстати, что за случайный случай в этом бросающем монету примере ? Вообразив, что каждый из двух человек бесконечно много раз играет в одну и ту же монету, подбрасывает монету, почему они находят разные ? Я имею в виду, что характеристика подбрасывания монеты - это фиксированная которая является общим значением для любого игрока («почти любой игрок» по техническим математическим соображениям). Более конкретным примером, для которого нет интерпретируемой случайной является случайная выборка с заменой в конечной совокупности и .Θ θ=X¯∞ θ X¯∞ Θ 0 1
Что касается книги Шервиша и вопроса, поднятого ОП, я думаю (быстро говоря), что Шервиш означает, что обменность - это «крутое» предположение, а затем теорема деФинетти «крута», потому что она говорит, что каждая обменная модель имеет параметрическое представление. Конечно, я полностью согласен. Однако, если я предполагаю заменяемую модель, такую как и тогда мне было бы интересно выполнить вывод о и , а не о реализации . Если меня интересует только реализация тогда я не вижу интереса в предположении об обмене.(Xi∣Θ=θ)∼iidBernoulli(θ) Θ∼Beta(a,b) a b Θ Θ
Уже поздно...
источник
Вас, ребята, может заинтересовать статья на эту тему (для доступа требуется подписка на журнал - попробуйте получить доступ к ней из вашего университета):
О'Нил, Б. (2011) Обмениваемость, корреляция и эффект Байеса. Международный статистический обзор 77 (2), с. 241-250.
Эта статья обсуждает теорему о представлении как основу для байесовской и частой моделей IID, а также применяет ее к примеру с подбрасыванием монет. Это должно прояснить обсуждение предположений о частичной парадигме. На самом деле он использует более широкое расширение теоремы о представлении, выходящее за рамки биномиальной модели, но все же должно быть полезным.
источник