Насколько я понимаю, слабоинформативный априор выражает больше об отношении исследователя к приору, а не о каких-либо математических свойствах самого приора. Каноническим примером будет рекомендация Гельмана о Коши с местоположением 0 и шкалой 5/2 для логистической регрессии.
Они определяются по-разному, но ключ заключается в том, что они не помещают слишком большую вероятность в какой-либо конкретный интервал (и, следовательно, поддерживают эти значения), причем равномерное распределение является каноническим примером. Идея состоит в том, чтобы данные определяли, где находится режим.
Так что слабоинформативный априор - просто лучшее название для малоинформативного «неинформативного априора»?
Memming
2
Я обычно использую «неинформативный», поскольку это более распространено и указывает на намерение Слабо информативный, вероятно, более точный, поскольку все дистрибутивы несут некоторую информацию ( если только они не являются неправильными априорами ... но это другое обсуждение)
1
У меня сложилось впечатление, что слабоинформативные априоры нацелены на то, чтобы избежать необходимости подчиняться неинформативным априорам, формально определенным в соответствии с той или иной теорией - они являются правильными априорами, которые работают на умозаключение, не принимая во внимание все предыдущие знания как полностью субъективные априорные ,
Scortchi - Восстановить Монику
1
@ Scortchi: Я думаю, что ваш комментарий подчеркивает двусмысленность, присущую «слабо информативному априорному». Ваша интерпретация имеет смысл и аналогична user777. Взаимосвязь между «информативностью» и вероятностью - сложная вещь, с лишь частично удовлетворительными решениями (например, энтропия Шеннона). Я понимаю вашу точку зрения, хотя ... они не обязательно являются синонимами, поскольку слабоинформативные приоры могут использовать только часть информации, в то время как неинформативные приоры откровенности игнорируют всю доступную информацию.
0
В дополнение к обсуждению Eupraxis1981 информативных априоров, вы можете думать об «информации» в априоре как о обратно пропорциональной ее дисперсии. Рассмотрим априор с почти нулевой дисперсией: вы в основном говорите: «прежде чем смотреть на данные, я почти уверен, что уже знаю местоположение истинного значения статистики». И наоборот, если вы устанавливаете очень широкую дисперсию, вы говорите: «не глядя на данные, у меня действительно нет никаких предположений об истинном значении параметра. Это может быть где угодно, и я не удивлюсь». У меня есть предчувствие, что это, вероятно, близко к режиму моего предыдущего, но если это окажется далеко от режима, я на самом деле не удивлюсь ".
Неинформативные приоритеты - это попытки не допустить предварительных допущений в ваш анализ (насколько успешными они являются, можно обсуждать). Но это вполне возможно, а иногда и полезно, чтобы быть «слабо» информативным.
Ответы:
Приведенный выше комментарий является точным. Для количественного обсуждения в литературе есть ряд "неинформативных" априоров. Смотрите, например, Джеффриса до; см. предыдущий пост Что такое «неинформативный априор»? Можем ли мы когда-нибудь иметь действительно без информации?
Они определяются по-разному, но ключ заключается в том, что они не помещают слишком большую вероятность в какой-либо конкретный интервал (и, следовательно, поддерживают эти значения), причем равномерное распределение является каноническим примером. Идея состоит в том, чтобы данные определяли, где находится режим.
источник
В дополнение к обсуждению Eupraxis1981 информативных априоров, вы можете думать об «информации» в априоре как о обратно пропорциональной ее дисперсии. Рассмотрим априор с почти нулевой дисперсией: вы в основном говорите: «прежде чем смотреть на данные, я почти уверен, что уже знаю местоположение истинного значения статистики». И наоборот, если вы устанавливаете очень широкую дисперсию, вы говорите: «не глядя на данные, у меня действительно нет никаких предположений об истинном значении параметра. Это может быть где угодно, и я не удивлюсь». У меня есть предчувствие, что это, вероятно, близко к режиму моего предыдущего, но если это окажется далеко от режима, я на самом деле не удивлюсь ".
Неинформативные приоритеты - это попытки не допустить предварительных допущений в ваш анализ (насколько успешными они являются, можно обсуждать). Но это вполне возможно, а иногда и полезно, чтобы быть «слабо» информативным.
источник