Hãy có , trong đó là hàm đơn điệu của và gọi là nghịch đảo của , sao cho . Chúng tôi có thể có được phân phối trước của Jeffrey theo hai cách:ϕ=g(θ)gθhgθ=h(ϕ)pJ(ϕ)
- Bắt đầu với mô hình Binomial (1)
xác định lại mô hình bằng để lấy
và nhận phân phối trước của Jeffrey cho mô hình này.
p(y|θ)=(ny)θy(1−θ)n−y
ϕ=g(θ)p(y|ϕ)=(ny)h(ϕ)y(1−h(ϕ))n−y
pJ(ϕ)
- Lấy phân phối trước của Jeffrey từ mô hình Binomial ban đầu 1 và áp dụng thay đổi công thức biến để lấy mật độ trước cảm ứng trênpJ(θ)ϕ
pJ(ϕ)=pJ(h(ϕ))|dhdϕ|.
Bất biến đối với việc xác định lại tham số có nghĩa là mật độ xuất phát theo cả hai cách phải giống nhau. Ưu tiên của Jeffrey có đặc điểm này [Tham khảo: Một khóa học đầu tiên về phương pháp thống kê Bayes của P. Hoff .]pJ(ϕ)
Để trả lời bình luận của bạn. Để có được phân phối trước của Jeffrey từ khả năng cho mô hình Binomial
chúng ta phải tính toán thông tin Fisher bằng cách lấy logarit khả năng và tính đạo hàm thứ hai của
và thông tin của Fisher là
pJ(θ)p(y|θ)=(ny)θy(1−θ)n−y
ll
l:=log(p(y|θ))∂l∂θ∂2l∂θ2∝ylog(θ)+(n−y)log(1−θ)=yθ−n−y1−θ=−yθ2−n−y(1−θ)2
I(θ)=−E(∂2l∂θ2|θ)=nθθ2+n−nθ(1−θ)2=nθ(1−θ)∝θ−1(1−θ)−1.
Ưu tiên của Jeffrey cho mô hình này là
là .pJ(θ)=I(θ)−−−−√∝θ−1/2(1−θ)−1/2
beta(1/2,1/2)