Hàm khả năng của phân phối logic là:
f( X ; μ , σ) Alpha pinTôi11σxTôiđiểm kinh nghiệm( - ( lnxTôi- μ )22 σ2)
và Ưu tiên của Jeffreys là:
p ( μ , σ) Alpha 1σ2
Vì vậy, kết hợp cả hai cho:
f( Μ , σ2| x)= ΠnTôi11σxTôiđiểm kinh nghiệm( - ( lnxTôi- μ )22 σ2) ⋅ σ- 2
Tôi biết rằng mật độ sau cho là Gamma nghịch đảo được phân phối, vì vậy tôi phải tính toánσ2
f( σ2| x)=∫f( Μ , σ2| x)dμ
nhưng tôi không biết phải bắt đầu từ đâu
Sau bình luận của Glen_b, tôi cho nó một phát:
f( Μ , σ2| x)= ΠnTôi11σxTôiđiểm kinh nghiệm( - ( lnxTôi- μ )22 σ2) ⋅ σ- 2
= σ- n - 2Πni = 11xTôiđiểm kinh nghiệm( - 12 σ2Σni = 1( lnxTôi- μ ) )
nhưng tôi không thể thấy điều này đi đâu cả.
Một ý tưởng khác mà tôi có là định nghĩa yTôi= ln( xTôi) , sau đó y được phân phối bình thường. Vì thế
f( Μ , σ2| y) = [ ∏ni = 112 π√⋅ 1σđiểm kinh nghiệm( - 12 σ2( yTôi- μ )2) ] ⋅ 1σ2
=σ-n-2⋅exp(-1∝ σ- n - 2⋅ điểm kinh nghiệm( - 12 σ2Σni = 1( yTôi- y¯)2+ n ( y¯- μ )2)
=σ-n-2⋅exp(-1= σ- n - 2⋅ điểm kinh nghiệm( - 12 σ2( ( n - 1 ) s2+ n ( y¯- μ )2) )
= σ- n - 2⋅ điểm kinh nghiệm( - 12 σ2( ( n - 1 ) s2) điểm kinh nghiệm( n ( y¯- μ )2) )
sau đó tích hợp:
σ- n - 2⋅ điểm kinh nghiệm( - 12 σ2( ( n - 1 ) s2) ∫điểm kinh nghiệm( - 12 σ2n ( y¯- μ )2) ) dμ
bằng phương pháp bạn đề nghị tôi nhận được:
∫điểm kinh nghiệm( - 12 σ2n ( y¯- μ )2) ) dμ = 2 πσ2n----√
Vì thế:
Α ( σ2)- ( n + 1 ) / 2điểm kinh nghiệm( - 12 σ2( ( n - 1 ) s2)
mà thực sự là Gamma nghịch đảo phân phối.
Nhưng tôi không chắc liệu điều này có đúng không, đó cũng là kết quả tương tự như tôi nhận được cho một khả năng bình thường.
Tôi tìm thấy điều này trong tài liệu (không có thêm lời giải thích nào):