sfondo
Uno dei punti deboli più comunemente usati prima della varianza è la gamma inversa con i parametri (Gelman 2006) .
Tuttavia, questa distribuzione ha un IC al 90% di circa .
library(pscl)
sapply(c(0.05, 0.95), function(x) qigamma(x, 0.001, 0.001))
[1] 3.362941e+19 Inf
Da ciò, interpreto che l' dà una bassa probabilità che la varianza sia molto alta e la bassissima probabilità che la varianza sia inferiore a 1 P ( σ < 1 | α = 0,001 , β = 0,001 ) = 0,006 .
pigamma(1, 0.001, 0.001)
[1] 0.006312353
Domanda
Mi sto perdendo qualcosa o è in realtà un precedente informativo?
aggiornamento per chiarire, il motivo per cui stavo prendendo in considerazione questo 'informativo' è perché afferma fortemente che la varianza è enorme e ben oltre la portata di quasi ogni varianza mai misurata.
follow-up una meta-analisi di un gran numero di stime di varianza fornirebbe un precedente più ragionevole?
Riferimento
Gelman 2006. Distribuzioni precedenti per parametri di varianza in modelli gerarchici . Analisi bayesiana 1 (3): 515-533