Antónimo de varianza

¿Hay una palabra que significa "inverso de la varianza"? Es decir, si tiene una varianza alta, entonces tiene bajos . ¿No le interesa un antónimo cercano (como 'acuerdo' o 'similitud') pero significa específicamente ? $X$ $X$ $\dots$ $1/\sigma^2$

bayesian variance terminology precision Hugh
fuente

El acuerdo y la similitud son, en cualquier caso, bastante preferentes, al menos en definiciones formales, para las comparaciones por pares y otras. Sin embargo, eso no descarta la conversación informal, por ejemplo , puede ver por la baja variación que las diferentes medidas tienden a estar de acuerdo

Nick Cox

Agregué una [bayesian]etiqueta ya que, como puede ver en mi respuesta y comentarios, la respuesta está estrechamente relacionada con las estadísticas bayesianas y será más fácil encontrarla etiquetada de esta manera.

Tim

Respuestas:

$1/\sigma^2$ se llama precisión . Puede encontrarlo a menudo mencionado en los manuales de software bayesianos para BUGS y JAGS , donde se usa como parámetro para la distribución normal en lugar de la varianza. Se hizo popular porque el gamma se puede usar como conjugado antes de la precisión en la distribución normal, como lo notaron Kruschke (2014) y @Scortchi .

Kruschke, J. (2014). Haciendo análisis de datos bayesianos: un tutorial con R, JAGS y Stan. Academic Press, pág. 454.

Tim
fuente

(+1) No recuerdo haberlo visto fuera de este contexto, donde es conveniente poder decir cosas como "agregar las precisiones de lo anterior y los datos para obtener la precisión de lo posterior", y usar lo familiar distribución gamma como conjugado previo a la precisión.

Scortchi - Restablece a Monica

También es común en configuraciones multivariadas, donde la precisión se convierte en la inversa de la matriz de covarianza. (Y de nuevo, es útil como parámetro para una distribución normal cuando se necesita un conjugado previo).

Peter

Sí, la matriz de precisión es muy útil cuando se trata de gaussianos multivariados (como dijo @Peter), por ejemplo, las fórmulas para distribuciones condicionales son más simples en términos de matrices de precisión. Bishop pasa muchas páginas describiendo cómo funciona esto en el Capítulo 3 de su Reconocimiento de patrones y Aprendizaje automático , y esto vuelve a aparecer muchas veces a lo largo del libro.

ameba dice Reinstate Monica