Với một căn hộ trước, các công cụ ước tính ML (thường xuyên - khả năng tối đa) và MAP (Bayesian - tối đa một posteriori) trùng khớp.
Tuy nhiên, nhìn chung hơn, tôi đang nói về các công cụ ước tính điểm được coi là tối ưu hóa của một số chức năng mất. I E
(Bayesian) x (
Trong đó là toán tử kỳ vọng, là hàm mất (tối thiểu hóa bằng 0), là công cụ ước tính, được đưa ra dữ liệu , của tham số và các biến ngẫu nhiên được biểu thị bằng chữ in hoa . L x ( y ) y x
Có ai biết bất kỳ điều kiện nào trên , pdf của và , áp đặt tuyến tính và / hoặc không thiên vị, nơi các công cụ ước tính sẽ trùng khớp?x y
Biên tập
Như đã lưu ý trong các bình luận, một yêu cầu vô tư như không thiên vị được yêu cầu để làm cho vấn đề Thường xuyên có ý nghĩa. Linh mục phẳng cũng có thể là một phổ biến.
Bên cạnh các cuộc thảo luận chung được cung cấp bởi một số câu trả lời, câu hỏi thực sự cũng là về việc cung cấp các ví dụ thực tế . Tôi nghĩ rằng một trong những quan trọng đến từ hồi quy tuyến tính:
- OLS, là BLUE ( định lý Gauss-Markov ), tức là nó giảm thiểu MSE thường xuyên trong số các công cụ ước tính không thiên vị tuyến tính.
- if là Gaussian và trước là phẳng, là "hậu tố" có nghĩa là giảm thiểu tổn thất trung bình Bayes cho bất kỳ hàm mất lồi nào.x = ( D ' D ) - 1 D ' y
Ở đây, dường như được gọi là ma trận dữ liệu / thiết kế trong biệt ngữ thường xuyên / Bayesian, tương ứng.