Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRIORI DE JEFFREYS
Estadistica Bayesiana
UNI-FIEECS-ESCUELA DE ESTADISTICA
GRUPO 4
CONTENIDO
Introducción
Distribución Priori:
Definición
Problema 1
Caso Binomial
Sea Xi |θ ∼ Bin(n, θ) una muestra de tamaño n. Calcule la
distribución priori de Jeffreys para θ.
n x
P(x|θ) = θ (1 − θ)n−x
x
Solución
∂log p(x|θ) x (n − θ) x (n − x)
= + (−1) = −
∂θ θ (1 − θ) θ (1 − θ)
∂ 2 log p(x|θ) x n−x
2
=− 2 −
∂θ θ (1 − θ)2
1 1
∴ Se distribuye como una Beta ( , )
2 2
Lema
Demostración
Sea φ = φ(θ) una transformación de θ. Entonces la información
esperada de fisher esperada Iφ (φ) de φ es:
2
∂θ
Iφ (φ) = Iθ (θ)
∂φ
Finalmente: Z θ
1
φ∼ I 2 (u)du
0
UNI-FIEECS-ESCUELA DE ESTADISTICA ESTADISTICA BAYESIANA 22 de maio de 2021 9 / 22
Priori de Jeffreys
Problema 2
Modelo de locación
Si X tiene el modelo de locación entonces:
∂log p(x|θ) ∂log f (x − θ) f 0 (x − θ) ∂f
= =− donde f 0 =
∂θ ∂θ f (x − θ) ∂θ
2
0
Entonces por el último lema, I(θ) = EX |θ − ff (x−θ)(x−θ)
. Haciendo la
0
2
transformación U = X − θ, entonces EU − ff (U) (U)
no depende de
θ. Entonces, I(θ) = k y luego p(θ) ∝ k .
Definición
Se tiene una observación X = (x1 , . . . , xn )0 con función de densidad
P(x|θ). θ = (θ1 , . . . , θn )0 es un vector. Entonces en este caso
MULTIVARIADO la distribución priori de Jeffreys está definida como:
p(θ) ∝ |I(θ)|1/2
Problema 3
Distribucion priori de Jeffreys multivariada Considere una observa-
0
cion X = (X1 , X2 . . . , Xn ) con funcion de densidad (probabilidad)
0
p(x|θ) donde θ = (θ1 , θ2 , . . . , θk ) .En elcaso multivariado , la distribu-
cion priori de Jeffreys viene dada por :
p(θ) ∝ |I(θ)|1/2 ;
donde I(θ) es la matriz de informacion esperada de Fisher.
Ejemplo
Sea una muestra tal que Xi |(µ, σ) ∼ N(µ, σ 2 ).Si ambos parametros
son desconocidos, calcule la distribucion priori de Jeffreys para θ =
0
(µ, σ)
Problema 3
La funcion de densidad de las 2
observaciones es:
Qn −1 (xi −µ)
1
P(X |θ) = i=1 √2πσ e 2 σ
Colorario
1 Para el caso Multivariado, el priori de Jeffreys es invariable bajo
transformaciones.
2 Es inapropiado usar priori de Jeffreys cuando I(θ) no existe.
3 Otro incoveniente es que no satisface el principio de
verosimilitud similares, ya que puede producir resultados
posteriori diferentes.
Problema 4
Ensayo de bernoulli
Se realizan n ensayos de Bernoulli con probabilidad de éxito θ. Si n
es conocido y se observa que el número X de éxitos observados.
Entonces se tiene X ∼ Bin(n, θ).
Suponer que el esquema de muestras consiste en observar el
número de replicaciones hasta que se obtengan los éxitos. La
observación ahora es Y ∼ BN(s, θ) con:
y −1 s
P(y |θ) = θ (1 − θ)y −s ; para y = s, s + 1
s−1
Solución
Lo que implica que el 1er y 2da derivada respecto a θ sea:
s E[y − s|θ]
IBN (θ) = 2
+
θ (1 − θ)2
s s − sθ
IBN (θ) = 2 +
θ θ(1 − θ)2
s
IBN (θ) = 2
θ (1 − θ)
Problema 5
Modelo de escala
Si X tiene el modelo de escala, entonces:
GRACIAS!!!
Integrantes:
-Ruben Angel Yauri Mendoza
-Javier Paucar Camilo
-Jairo Valverde
-Angie Fiorella Torres
-Martin Atagua Paredes