S*****o
发帖数: 715 | 1 在bayes的框架下，假设Theta是参数集合，xi是Theta上的一个measure,x是
observation, p_theta(x)是likelihood. for some sub-interval Theta_kin Theta
我想要bound xi(Theta_k|x)：
xi(Theta_k|x)=frac{int_{Theta_k}p_theta(x)dxi(theta)} {int_{
Theta}p_theta(x)dxi(theta)}
就需要假设p_theta(x) <= C int_Theta p_theta(x) dxi(theta)
直观上就是说在合适的theta上放的mass不能太小，但这个条件在literature里似乎没
有见过讨论，不知道是不是一个很强的条件 | t********y
发帖数: 166 | | K*****2
发帖数: 9308 | 3 你是要upper还是lower bound?
upper bound不就是1么
【在 S*****o 的大作中提到】
: 在bayes的框架下，假设Theta是参数集合，xi是Theta上的一个measure,x是
: observation, p_theta(x)是likelihood. for some sub-interval Theta_kin Theta
: 我想要bound xi(Theta_k|x)：
: xi(Theta_k|x)=frac{int_{Theta_k}p_theta(x)dxi(theta)} {int_{
: Theta}p_theta(x)dxi(theta)}
: 就需要假设p_theta(x) <= C int_Theta p_theta(x) dxi(theta)
: 直观上就是说在合适的theta上放的mass不能太小，但这个条件在literature里似乎没
: 有见过讨论，不知道是不是一个很强的条件
| l******r
发帖数: 18699 | 4 他可能说的是lower bound，先验以大于零概率在参数集上 搞统计的数学不好说不清楚
【在 K*****2 的大作中提到】
: 你是要upper还是lower bound?
: upper bound不就是1么
|
|
