O que muda da priori para a posteriori?
Combinar uma distribuição a priori gaussiana com uma verossimilhança gaussiana.
Minhas anotações
A verossimilhança expressa como um conjunto de dados se distribui sob cada valor de um parâmetro. Para construir sua distribuição a posteriori, multiplique a verossimilhança pela densidade a priori e normalize o produto. Se ambas são gaussianas em um parâmetro , o produto normalizado também é gaussiano.
Exemplo resolvido
Para , e desvios iguais a 2 nas mesmas unidades, e . A média muda de acordo com a precisão relativa da priori e da medida. Este exemplo pressupõe uma priori externa aos dados usados na verossimilhança. Empregar os mesmos dados nas duas entradas duplicaria artificialmente a informação.
Leitura de um resultado público
Na execução T-0062706e5bd5, o NEXO manteve as hipóteses do ajuste e retirou grupos de traçadores BAO sucessivamente. A direção da preferência por energia escura dinâmica persistiu nas exclusões examinadas. O registro classifica o resultado como candidato e documenta os priors utilizados. Identifique quais escolhas você precisaria variar para investigar a sensibilidade à priori. Abrir a execução, o método e os limites no NEXO Research.
Explore a relação
Leia o gráfico
Valores em tabela
Verifique sua compreensão
Exercício
Para guardar
No modelo gaussiano unidimensional, as precisões se somam e ponderam a média posterior.
Referência
Sanjib Sharma, Markov Chain Monte Carlo Methods for Bayesian Data Analysis in Astronomy ↗Estudo de caso do NEXO · sensibilidade de um ajuste à seleção de redshift ↗