This HTML5 document contains 5 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

n2:

rdfs:label

Априорность Джеффриса

rdfs:comment

Априорность Джеффриса (в честь Харольда Джеффриса) — в байесовском анализе неинформативное априорное распределение, пропорциональное корню квадратному из информации Фишера: и инвариантное относительно перепараметризации . Это — важная неинформативная (объективная) априорность. Это может быть получено следующим образом: Мы нуждаемся в инъективном преобразовании таком, чтобы наша априорность при этом преобразовании оставалась однородной. Это не даёт нам «никакой информации». Мы тогда используем следующее отношение: чтобы получить в результате

dcterms:subject

n8:

n5:wikiPageUsesTemplate

n6:

n3:abstract

Априорность Джеффриса (в честь Харольда Джеффриса) — в байесовском анализе неинформативное априорное распределение, пропорциональное корню квадратному из информации Фишера: и инвариантное относительно перепараметризации . Это — важная неинформативная (объективная) априорность. Это позволяет нам описывать наше знание относительно , как преобразование с неуместным однородным распределением. Это также подразумевает, что получающаяся функция правдоподобия должна быть асимптотически переведена заменами в данных. Из-за асимптотической нормальности, это означает, что только первый момент изменится, когда данные будут обновлены. Это может быть получено следующим образом: Мы нуждаемся в инъективном преобразовании таком, чтобы наша априорность при этом преобразовании оставалась однородной. Это не даёт нам «никакой информации». Мы тогда используем следующее отношение: чтобы получить в результате С практической и математической точки зрения, действительная причина использования этой неинформативной априорности вместо других, похожа на те, которые получены через предел сопряженных семейств распределений, так как она лучше всего представляет нехватку знания при выборе определенного параметрического семейства, и это связано с сильными результатами байесовской статистики. Вообще, использование априорности Джеффриса нарушает принцип правдоподобия; поэтому некоторые статистики расценивают её использование как необоснованное.