Site admin: motohiro PukiWiki 1.5.1 © 2001-2016 PukiWiki Development Team. Powered by PHP 7.4.33
HTML convert time: 0.292 sec.
[[Rの備忘録]] 授業で使います． * ポアソンの共役事前分布はガンマ分布である [#l4b46a58] (Gelman et al.: Bayesian Data Analysis, p.52, 2nd Edition)． -ポアソン分布 #mimetex(p(y|\theta) = \frac{\theta^y \, e^{-\theta}}{y!}) - 尤度 #mimetex(\bf{y} = y_i, \dots , y_n) #mimetex(p(\bf{y}|\theta) = l(\theta|\bf{y}) = \Pi \frac{1}{y_i!} \theta^{y_i} \, e^{-\theta}) #mimetex( \propto \theta^{t(y)} \, e^{-n \theta}) 指数属で表現すると #mimetex( \propto e^{-n\theta}\, e^{t(y) log \theta} ) 文系学生相手にするので，指数法則を指摘する． #mimetex(\theta^y = e^{log(\theta^y)} = e^{y log \theta}) 指数属とは関数が次の形で表されること(Lee: Bayesian Statistics, pp.60)． #mimetex(p(\bf{x}| \theta) = g(\bf{x}) \, h(\theta) \, e^{t(\bf{x}) \, \phi(\theta)}) 上の式では&mimetex(\frac{1}{y!});が消えているので注意 -自然共役事前分布 #mimetex(p(\theta) \propto (e^{-\theta})^n e^{v log \theta} ) - 事後分布 #mimetex(\theta|\bf{y} \sim Gamma(\alpha + n \bar{y}, \beta + n)) - 医学関係ではポアソン分布を次のように書いている． #mimetex(y_i \sim Poisson(x_i \theta)) &mimetex(y_i); と &mimetex(x_i); が観測数で，&mimetex(\theta); が未知のパラメータだが，&mimetex(x); を exposure，&mimetex(\theta); をrate と表現しているので，分野違いの人間は，何度みても慣れないというか，馴染めない． * R での実行例 [#pd06f7ab] - Albert Bayesian: Computation with R より -- 米国のある病院での心臓手術が失敗するケース数&mimetex(y); を考える．ここで失敗とは手術後30以内に死亡することである．これはポアソン分布に従うとする．手術(exposure)の総数を&mimetex(e);，exposureあたりの死亡率を&mimtex(\lambda); とすると， -- 米国のある病院での心臓手術が失敗するケース数&mimetex(y); を考える．ここで失敗とは手術後30以内に死亡することである．これはポアソン分布に従うとする．手術(exposure)の総数を&mimetex(e);，exposureあたりの死亡率を&mimtex(\lambda); とすると， -- 米国のある病院での心臓手術が失敗するケース数&mimetex(y); を考える．ここで失敗とは手術後30以内に死亡することである．これはポアソン分布に従うとする．手術(exposure)の総数を&mimetex(e);，exposureあたりの死亡率を&mimetex(\lambda); とすると， -- 米国のある病院での心臓手術が失敗するケース数&mimetex(y); を考える．ここで失敗とは手術後30以内に死亡することである．これはポアソン分布に従うとする．手術(exposure)の総数を&mimetex(e);，exposureあたりの死亡率を&mimetex(\lambda); とすると， #mimetex(y \sim Poisson(e \lambda)) -- &mimetex(\lambda);の最尤推定量は &mimetex( \bar{\lambda} = y/e);である． -- 上で述べたように事前共役分布はガンマ分布だが，二つのパラメータを設定する必要がある．ここでは，いま対象としている病院と同じ手術レベルの他の病院のデータを参考にして，16と15174とする．すなわち #mimetex(\theta^16 \, e^{-15174\, \theta}) -- 上で述べたように事前共役分布はガンマ分布だが，二つのパラメータを設定する必要がある．ここでは，いま対象としている病院と同じ手術レベルの他の病院のデータを参考にして，&mimetex(\alpha = 16); と&mimetex(\beta = 15174); とする．すなわち事前分布は #mimetex(\theta^{16-1} \, e^{-15174\, \theta} = Gamma(16,15174 )) -- すると事後分布は &mimetex(16 + y, 15174 + e); のガンマ分布となる．（事前）予測密度関数&mimetex(f(x)); は，&mimetex(f(y|\lambda)); をサンプルのポアソン分布，&mimetex(g(\lambda)); を事前分布，&mimetex(g(y|\lambda)); を事後分布とすると， #mimetex(f(y) = \frac{f(y|\lambda) \, g(\lambda)}{g(y|\lambda)}) -- さて，ここで新たに手術例が66件で，うち失敗が1件の病院について，その失敗率を知りたいとする．単純には 1/66 であるが，失敗例が1件だけなので，この値は信頼に足るだろうか． こういう[[ページ:http://www001.upp.so-net.ne.jp/ito-hi/stat/R2.html]]も参考に．