为什么 log(x) 上的统一先验等于 x 上的 1/x 先验?

机器算法验证 贝叶斯 Python 事先的 无信息先验 杰弗里斯之前
2022-03-07 16:58:06

我试图事先了解杰弗里斯。一种应用是用于“尺度”变量,例如高斯分布的标准偏差(或其平方,方差)。人们常说,在上使用统一先验并不是真的没有信息,而是应该:σσ2σ

  1. 使用作为自由参数,具有统一先验(这通常称为对数统一先验)lnσ

  2. 或者继续使用作为自由参数,但使用作为先验(不统一)。σ1/σ

为什么上述两种方法/先验是等效的?我觉得这与 ln的导数是的事实有关,但我不能采取下一步。σ1/σ

此外,为什么这甚至很重要,用最少的行话简单的语言?我在网上看到了所有这些涉及 Fisher 信息矩阵的复杂解释,但最后我看到的是上述对数均匀或先验优先权重较低的值。为什么?如果可能的话,一个简单的分析示例或 python 片段会很有帮助。1/σσ

1个回答

在将上的分布时,您需要考虑转换的雅可比行列式。正如您正确直觉的那样,这对应于log(σ)σ1/σ

写得更清楚一点,让和我们之后的变换是,它有逆变换那么雅可比是所以由于,我们有的诱导密度是X=log(σ)T(X)=σ=eX=YT1(Y)=log(Y)|XY|=1/Yp(X)1σp(Y)=|XY|p(log(Y))1/Y