Derivando la densidad posterior para una probabilidad lognormal y el previo de Jeffreys

8

La función de probabilidad de una distribución lognormal es:

F(X;μ,σ)yo1norte1σXyoExp(-(EnXyo-μ)22σ2)

y el Prior de Jeffreys es:

pags(μ,σ)1σ2

combinando los dos da:

F(μ,σ2El |X)=yo1norte1σXyoExp(-(EnXyo-μ)22σ2)σ-2

Sé que la densidad posterior de σ2 es inversamente distribuida Gamma, así que tengo que calcular

F(σ2El |X)=F(μ,σ2El |X)reμ

pero no tengo idea de por dónde empezar aquí.

Después del comentario de Glen_b, le doy una oportunidad:

F(μ,σ2El |X)=yo1norte1σXyoExp(-(EnXyo-μ)22σ2)σ-2

=σ-norte-2yo=1norte1XyoExp(-12σ2yo=1norte(EnXyo-μ))

pero no puedo ver que esto vaya a ninguna parte.

Otra idea que obtuve es definir , entonces está distribuido normalmente. Entoncesyyo=En(Xyo)y

F(μ,σ2El |y)=[yo=1norte12π1σExp(-12σ2(yyo-μ)2)]1σ2

σ-norte-2Exp(-12σ2yo=1norte(yyo-y¯)2+norte(y¯-μ)2) =σ-norte-2Exp(-12σ2((norte-1)s2+norte(y¯-μ)2)) =σ-norte-2Exp(-12σ2((norte-1)s2)Exp(norte(y¯-μ)2))

luego integre:

σ-norte-2Exp(-12σ2((norte-1)s2)Exp(-12σ2norte(y¯-μ)2))reμ

por el método que sugirió, obtengo

Exp(-12σ2norte(y¯-μ)2))reμ=2πσ2norte

Entonces:

(σ2)-(norte+1)/ /2Exp(-12σ2((norte-1)s2)

que es de hecho inversa Gamma distribuida.

Pero no estoy seguro de si esto es correcto, también es el mismo resultado que obtengo para una probabilidad normal.

Encontré esto en la literatura (sin más explicaciones):

ingrese la descripción de la imagen aquí

espora234
fuente
En su primera línea de matemáticas (la probabilidad), no suelte el término en la constante. σ
Glen_b -Reinstate Monica
2
Ese es Sir Harold Jeffreys, por lo que Jeffreys anterior, anterior de Jeffreys y anterior de Jeffreys son todos defendibles, pero Jeffrey está equivocado. Él prefería la última forma.
Nick Cox
Ahora, cuando combine los dos, mantenga esos términos .σ
Glen_b -Reinstale Monica el
Lo que encontró en la literatura es una posterior para . θ=(μ,σ)
Glen_b -Reinstate Monica

Respuestas:

3

Tenga en cuenta que, considerado como una función en , lo que tiene es proporcional a una densidad normal.μ

Entonces, el paso 1 es completar el cuadrado en que está en el exponente, extraer el frente de la integral de las constantes superfluas y luego multiplicar el término en la integral por la constante requerida para que se integre a 1. Luego divida en frente a la integral por la misma constante (para que no cambie el valor de la expresión general).μ

Como tiene una densidad en la integral, reemplace el término en la integral por 1.

Te queda una función de (una que supuestamente ha reemplazado a con algo similar a una estimación).σμ

Ahora vea la densidad de una gamma inversa aquí :

F(X;α,β)=βαΓ(α)X-α-1Exp(-βX)

(en este caso, usando una parametrización de escala de forma).

Suponiendo que tiene la correcta anterior (no lo he comprobado) -

busca una densidad posterior para . Tenga en cuenta que su función después de la integración puede escribirse en la forma .σ2C(σ2)-alguna cosaExp(-algo más/ /σ2)

Entonces tiene una expresión proporcional a una densidad gamma inversa en . (Dado que debe ser una densidad, suministre la constante requerida necesaria para que se integre a 1.)σ2

Glen_b -Reinstate a Monica
fuente
Realmente no necesitaba cambiar a . Es información observada, así que esas son solo constantes. Es esa es la variable. Has completado el cuadrado. Tenga en cuenta que hay un término en y uno que no está en . El siguiente paso desde donde llegaste ya está en mi respuesta. En(X)yμμμ
Glen_b -Reinstate Monica
Actualicé
¿Cómo obtengo el resultado en la literatura?
spore234
A través de casi el mismo enfoque que el anterior, pero no integra μfuera, solo sacas los términos.
Glen_b -Reinstate Monica