Vì mục đích ở đây có lẽ là để có được một số ước tính hợp lệ và hữu ích của , nên phân phối trước phải phù hợp với đặc điểm phân bố dân số mà mẫu xuất phát. Điều này KHÔNG theo bất kỳ cách nào có nghĩa là chúng tôi "tính toán" việc sử dụng mẫu trước đó - điều này sẽ vô hiệu hóa tính hợp lệ của toàn bộ quy trình. Chúng tôi biết rằng dân số mà mẫu xuất phát là một quần thể gồm các biến ngẫu nhiên thống nhất iid mỗi biến trong . Đây là một giả định được duy trì và là một phần của thông tin trước đó mà chúng tôi có (và nó không liên quan gì đến mẫu , tức là với việc thực hiện cụ thể một tập hợp con của các biến ngẫu nhiên này).θ[0,θ]
Bây giờ giả sử rằng dân số này bao gồm biến ngẫu nhiên, (trong khi mẫu của chúng tôi bao gồm hiện thực hóa biến ngẫu nhiên). Giả định được duy trì cho chúng ta biết rằng
mn<mn
maxi=1,...,n{Xi}≤maxj=1,...,m{Xj}≤θ
Biểu thị cho sự gọn nhẹ . Sau đó, chúng ta có cũng có thể được viết
maxi=1,...,n{Xi}≡X∗θ≥X∗
θ=cX∗c≥1
Hàm mật độ của của iid Đồng phục rv nằm trong là
maxN[0,θ]
fX∗(x∗)=N(x∗)N−1θN
cho hỗ trợ và 0 ở nơi khác. Sau đó, bằng cách sử dụng và áp dụng công thức thay đổi biến, chúng tôi có được phân phối trước cho phù hợp với giả định được duy trì:
[0,θ]θ=cX∗θ
fp(θ)=N(θc)N−1θN1c=NcNθ−1θ∈[x∗,∞]
có thể không phù hợp nếu chúng ta không chỉ định hằng số phù hợp. Nhưng mối quan tâm của chúng tôi nằm ở việc có một hậu thế thích hợp cho , và đồng thời, chúng tôi không muốn hạn chế các giá trị có thể có của (ngoài giới hạn được ngụ ý bởi giả định được duy trì). Vì vậy, chúng tôi để lại không xác định.
Sau đó viết phía sau làcθθc
X={x1,..,xn}
f(θ∣X)∝θ−NNcNθ−1⇒f(θ∣X)=ANcNθ−(N+1)
đối với một số hằng số chuẩn hóa A. Chúng tôi muốn
∫Sθf(θ∣X)dθ=1⇒∫∞x∗ANcNθ−(N+1)dθ=1
⇒ANcN1−Nθ−N∣∣∞x∗=1⇒A=(cx∗)N
Chèn vào sau
f(θ∣X)=(cx∗)NNcNθ−(N+1)=N(x∗)Nθ−(N+1)
Lưu ý rằng hằng số không xác định của phân phối trước đã hủy bỏ một cách thuận tiện.c
Hậu thế tóm tắt tất cả thông tin mà mẫu cụ thể có thể cung cấp cho chúng tôi về giá trị của . Nếu chúng ta muốn có được một giá trị cụ thể cho chúng ta có thể dễ dàng tính giá trị mong đợi của hậu thế,
θθ
E(θ∣X)=∫∞x∗θN(x∗)Nθ−(N+1)dθ=−NN−1(x∗)Nθ−N+1∣∣∞x∗=NN−1x∗
Có trực giác nào trong kết quả này không? Chà, khi số lượng tăng lên, nhiều khả năng là nhận thức tối đa trong số chúng sẽ càng ngày càng gần với giới hạn trên của chúng, - đó chính xác là giá trị trung bình sau của phản ánh: nếu, nói , , nhưng nếu . Điều này cho thấy chiến thuật của chúng tôi về việc lựa chọn trước là hợp lý và phù hợp với vấn đề hiện tại, nhưng không nhất thiết là "tối ưu" theo một nghĩa nào đó.XθθN=2⇒E(θ∣X)=2x∗N=10⇒E(θ∣X)=109x∗