Мої актуальні запитання є в останніх двох абзацах, але мотивувати їх:
Якщо я намагаюся оцінити середнє значення випадкової величини, яка слід за нормальним розподілом з відомою дисперсією, я прочитав, що введення рівномірного до середнього результату призводить до заднього розподілу, пропорційного функції ймовірності. У цих ситуаціях достовірний інтервал Байєса ідеально перегукується з частотним довірчим інтервалом, а байєсівський максимум післяокерований оцінка дорівнює частотній максимум вірогідності.
У простому режимі лінійної регресії,
наведення рівномірного пріоритету на та зворотного гамма до з малими значеннями параметрів призводить до заднього який буде дуже схожий на частофілістський , і достовірний інтервал для заднього розподілу який буде дуже схожий на довірчий інтервал навколо максимальної оцінки ймовірності. Вони не будуть абсолютно однаковими, тому що пріоритет на чинить невелику кількість впливу, і якщо задня оцінка буде проведена за допомогою моделювання MCMC, що введе інше джерело розбіжностей, але достовірний інтервал Байєса навколоі частолістський інтервал довіри навколо буде досить близьким один до одного, і, звичайно, в міру збільшення вибірки вони повинні зближуватися, оскільки вплив ймовірності зростає, щоб домінувати над попереднім.
Але я читав, що також існують регресійні ситуації, коли ці майже нееквівалентності не дотримуються. Наприклад, ієрархічні регресії з випадковими ефектами, або логістична регресія - це ситуації, коли, наскільки я це розумію, немає «хороших» об'єктивних або опорних пріорів.
Отже, моє загальне питання таке - якщо припустити, що я хочу зробити висновок проі що я не маю попередньої інформації, яку я хочу включити, чому я не можу приступити до частостістської оцінки максимальної ймовірності в цих ситуаціях і інтерпретувати отримані оцінки коефіцієнтів та стандартні помилки як оцінки Байєсової ПДЧ і стандартні відхилення, і неявно ставитися до цього "задні" оцінки, що є результатом попереднього, який, мабуть, був "неінформативним", не намагаючись знайти явну формулювання попереднього, що призвело б до такої задньої? Загалом, у межах регресійного аналізу, коли нормально тривати за цими напрямками (трактувати ймовірність як задню) і коли це не добре? Що з частолістськими методами, які не ґрунтуються на імовірності, наприклад, квазіімовірними методами,
Чи залежать відповіді від того, чи є моя цільовим висновком оцінка коефіцієнта балів, чи ймовірність того, що коефіцієнт знаходиться в певному діапазоні, або величини прогнозного розподілу?