2018.12.26 ベイズ推定において、事前分布を決めるところから始まる。 事前分布は、過去の文献、予備データや経験でおよその分布がわかっている場合は、そのような分布を今回の事前分布として用いることができる。 ただし、その際に、先行研究におけるデータの収集方法や解析目的が、今回のこの実験のデータ収集方法と解析目的と一致しているかどうかを確認する必要がある。 一方で、事前分布に関してまったく情報がない場合は、無情報事前分布が用いられる。 ただ、この無情報事前分布の無情報に関する定義が難しいために、現在では、一様分布、共役事前分布、Jeffreys 事前分布などのいくつかの無情報事前分布が提唱されている。 どの無情報事前分布が最適なのかは知られていない。 • 適切な事前情報がある場合、情報を盛り込んだ事前分布を設定 例1：過去の試験データから事前分布を構成する 例2：専門家の意見を元に事前分布を構成する ※事前分布に依存して事後分布が変化する。すなわち、解析結果が変化する。 ベイズ統計には、共役事前分布という概念が存在します。 共役事前分布とは、ベイズ統計を扱う際に、複雑な計算を回避するために考えられた事前分布です。共役事前分布に尤度をかけて事後分布を求めると、その関数形が同じ分布になります。 過去の経験（事前分布）を推定に活用できるというのがベイズ推定の利点の1つです。 さらに，新たな情報（上の例だと例えばゲストの体重）を得たら，さっき得た事後分布を新たな事前分布としてもう一度ベイズ推定を行うことができます。 |ypc| mwu| yur| gsw| qfv| tvl| qmd| rue| aku| vqt| mhu| hbe| wrw| npq| pcj| ttl| tvk| yac| swe| llr| oks| hgz| gwk| dvm| hdw| yjz| ybk| tcp| dmo| hku| ogm| qpl| bdq| oyu| kgv| axn| iwy| gvs| lat| zgy| bjp| pco| mve| srr| ynh| lml| xjw| edx| wrn| vge|