베이지안 분석에서 균일 사전 분포를 사용할 때 사후 분포가 우도 함수와 동일한 이유는 무엇입니까?

Question

베이지안 분석을 연구하는 동안 균일 한 사전 분포를 사용하면 사후 분포가 우도 함수와 동일하다고 들었습니다. 왜 그런지 이해하는 데 어려움이 있습니다. 나는 Intenet에 대한 강의를 참조하고 있으며 링크는 다음과 같습니다.

http://www.sumsar.net/blog/2017/02/introduction-to-bayesian-data-analysis-part-one/

강사는 Bayes의 정리를 보여 주어 비디오에서 수행 된 [pior * likelihood]에 대한 계산을 보여 주지만 비디오에서 [pior * likelihood]가 언제 수행되는지 알 수 없습니다. 내가 여기서 무엇을 놓치고 있습니까?

Answer 1

사후가 이전입니다.$\,\times\,$있을 수 있는 일$\,\times\,$일정한; 균일 한 밀도는 단순히 상수이며 다른 상수 항에 흡수됩니다.

이전의 명백한 예를 들어 $\mathrm{uniform}(0,1)$; 그러면 이전 pdf가$f(\theta) = 1$, 이전$\,\times\,$가능성 = 1$\,\times\,$가능성 = 가능성.

Answer 2

내 생각에 직관은 사전에 모델 (즉, 사후)의 매개 변수 값 분포를 더 가능성이 있다고 생각하는 방향으로 조금씩 이동한다는 것입니다. 균일 한 사전을 사용하면 가능한 모든 값에 동일한 가중치를 부여합니다. 즉, 어떤 방향으로도 뉘우 치지 않습니다. 결과적으로 사전은 효과가 없으며 결국 가능성이 있습니다.