Академический Документы
Профессиональный Документы
Культура Документы
Distribucin a priori
Estadstica Bayesiana
Modelos uniparamtricos
2017-1
Distribucin binomial
|y BE (y + 1, n y + 1)
y|y BB (1, y + 1, n y + 1)
Familias conjugadas
La funcin de verosimilitud binomial es de la forma:
f (y |) y (1 )ny
|y BE (y + , n y + )
y|y BB (m, y + , n y + )
N 0 , 02
y|y N n , n2 + 2
N (0, 100)
2 2 inversa de escala 0 , 02
Distribucin de Poisson
y exp {}
f (y |) = y = 0, 1,
y!
G (, )
|y G ( + ny , + n)
G ( = 2, = 1)
Distribucin exponencial
f (y |) = exp {y } y >0
G (, )
|y G ( + n, + ny )
Distribuciones no informativas
priori es f () 1 entonces:
2
|y N y ,
n
f () [J ()]1/2
d log f (y |) 2
# #
d 2 log f (y |)
" "
J () = E = E
d d2
Ejemplos
y | BI (n, )
y |, 2 N , 2
k
X
f (|y ) f (y |) wi fi ()
i=1
k
X k
X
wi f (y |) fi () = wi fi (|y )
i=1 i=1
Ejemplo: Moneda
Suponga que una moneda se hace girar sobre una mesa y sea
la probabilidad de que aparezca cara.
Dadas las posibles imperfecciones en el borde de la moneda, se
podra pensar que es aproximadamente 0.3 o 0.7.
Como la distribucin beta es una familia conjugada para la
verosimilitud binomial podra usarse la distribucin a priori:
1 1
f () = BE (6, 14) + BE (14, 6)
2 2
Hallar la distribucin posterior asumiendo que en diez
lanzamientos de la moneda se observaron 4 caras y 6 sellos.