Antonimo della varianza

C'è una parola che significa "inverso della varianza"? Cioè, se ha una varianza elevata, allora ha un basso ? Non ti interessa un quasi antonimo (come "accordo" o "somiglianza") ma significa specificamente ? $X$ $X$ $\dots$ $1/\sigma^2$

— Hugh
fonte

Accordo e somiglianza sono in ogni caso praticamente anticipati, almeno nelle definizioni formali, per confronti a coppie e altri confronti. Tuttavia, ciò non esclude i discorsi informali, ad esempio si può vedere dalla bassa varianza che misure diverse tendono ad essere d'accordo

— Nick Cox,

Ho aggiunto [bayesian]tag poiché, come puoi vedere dalla mia risposta e dai miei commenti, la risposta è strettamente correlata alle statistiche bayesiane e sarà più facile trovare tag come questo.

— Tim

$1/\sigma^2$ si chiama precisione . Puoi trovarlo spesso citato nei manuali del software bayesiano per BUGS e JAGS , dove viene utilizzato come parametro per la distribuzione normale anziché per la varianza. È diventato popolare perché gamma può essere usato come coniugato prima della precisione nella distribuzione normale, come notato da Kruschke (2014) e @Scortchi .

Kruschke, J. (2014). Fare analisi dei dati bayesiani: un tutorial con R, JAGS e Stan. Academic Press, p. 454.

— Tim
fonte

(+1) Non ricordo di averlo visto al di fuori di questo contesto, dove è conveniente poter dire cose come "aggiungi le precisioni del precedente e dei dati per ottenere la precisione del posteriore", e usare il familiare distribuzione gamma come coniugato prima della precisione.

— Scortchi - Ripristina Monica

Comune anche nelle impostazioni multivariate, in cui la precisione diventa l'inverso della matrice di covarianza. (E ancora, è utile come parametro per una distribuzione normale quando è necessario un coniugato prima).

— Peter,

Sì, la matrice di precisione è molto utile quando si ha a che fare con gaussiani multivariati (come diceva @Peter), ad esempio le formule per le distribuzioni condizionali sono più semplici in termini di matrici di precisione. Bishop spende molte pagine che descrivono come funziona nel Capitolo 3 del suo Pattern Recognition and Machine Learning , e questo riappare molte volte nel corso del libro.

— ameba dice Ripristina Monica il