7 Varianza Normal
2.7.1 Una previa adecuada para la varianza normal
x
x=
se desconoce la varianza
pero la media
de
N ( , ) , donde
es conocida. Entonces
claramente
1
2
1
1
2
2
p ( x| ) =( 2 ) exp { ( x 1 ) / } xx ( 2 ) 2 exp { ( xn ) / }
2
2
n /2
exp {
1
2
x n ) / }
(
Escribiendo
S= ( xi )2
(Recordar que
1
S /
2
)
p ( x| ) n / 2 exp
En principio, podramos tener cualquier forma previa de distribucin de la
varianza . Sin embargo, si vamos a ser capaces de tratar fcilmente con
la distribucin posterior (y por ejemplo, para ser capaces de encontrar los
IDH fcilmente de tablas), ayuda si la distribucin posterior es de una forma
buena. Esto sin duda sucede si el anterior es de una forma similar a la
probabilidad, es decir,
1
S /
2 0
k
2
p( ) exp
Donde
k y
S0
conveniente escribir
k =v +2 , de modo que
1
S /
2 0
)
p( ) v /21 exp
Importante para la distribucin posterior
p ( | x ) p() p ( x| )
S
( 0+ S)/
1 }
(v+n)/ 21 exp {
2
Aunque es improbable que nuestras verdaderas creencias previas estn
representadas por exactamente por una densidad tal, es muy a menudo el
caso de que puedan ser razonablemente bien aproximadas por lo que, de
esta forma, los clculos se convierten en especialmente sencillos.
Esta distribucin es, de hecho, estrechamente relacionada a una de las
distribuciones continuas ms conocidas en la estadstica (despus de la
distribucin normal), esta es, la chi-cuadrada o distribucin
ms claramente si trabajamos en trminos de la precisin
de en trminos de la varianza
2 . Esto se ve
=1/
en lugar
-cuadrado inversas.
p ( |x ) p ( x| )d /d
(v+ n)/ 2+1 exp
{12 (S + S) }
{12 ( S + S ) }
0
Ahora bien, esto se encuentra muy cerca de la forma de la distribucin chicuadrado (ver apndice A). Es de hecho, un paso muy simple para verificar
esto (para X dado)
( S0 + S ) 2v+n
Es decir
( S0 + S )
con
v +n
grados de
( S 0 +S ) 2
v +n
Y diciendo que
inversa
Es evidente que el mismo argumento se puede aplicar a la distribucin
previa, por lo que nuestra hiptesis anterior es que
S 0 2
v
Puede ser que usted no pueda encontrar los valores adecuados de los
parmetros
sus creencias previas, pero es evidente que, si los valores se pueden elegir,
entonces estn razonablemente bien aproximadas, lo cual es conveniente.
Por lo general, la aproximacin no tiene que ser demasiado cerca, ya que,
despus de todo, lo ms probable es que la probabilidad dominara el a
priori.
En el ajuste de una posible aproximacin verosmil a priori se puede
considerar la media y la varianza de la distribucin a priori y luego elegir
S 0 , de modo que
E=S 0 /(v2)
V=
2 S20
2
( v2 ) ( v4 )