| Аннотация | В статье предлагается формальное правило, основанное на минимизации информационной метрики Кульбака-Лейблера, для определения априорного распределения при наличии информации, полученной из предыдущих наблюдений. В отличие от обычных предположений в эмпирическом байесовском анализе, в данной работе не требуется независимость параметров, рассматриваемых как случайные величины, соответствующие различным наблюдениям. Показано, что в случае, когда наблюдения, зависящие от параметра, и сам параметр распределены по нормальному закону, предлагаемое правило приводит к ML-II априорному распределению. Однако в случае регрессионного уравнения коэффициенты регрессии, полученные методом минимизации метрики Кульбака-Лейблера, отличаются от оценок, полученных при ML-11 подходе. Также показано, что для нормальных распределений метрика Кульбака-Лейблера достигает асимптотически единственного минимума на истинном априорном распределении. |
|---|