Statistiska metoder för härledning av indata till säkerhetsanalyser ...
Statistiska metoder för härledning av indata till säkerhetsanalyser ...
Statistiska metoder för härledning av indata till säkerhetsanalyser ...
- No tags were found...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Liksom i fallet med icke-informativa a priorifördelningar (i den enkla modellen) är ickeinformativahyperpriors i allmänhet oäkta. Skillnaden gentemot den enkla modellen är att deinte blir äkta efter uppdatering med en observation. Cooke et al. (2003)visar att det i själv<strong>av</strong>erket inte finns någon garanti för att de blir äkta ens efter oändligt många observationer (Cookeet al. 2003, s. 6f, 37. Jmf. Carlin & Louis 2000, s. 29). Icke-informativa hyperpriors måstedärför trunkeras. Ett resultat hos Cooke et al. är vidare att denna trunkering är enklare medlognormalfördelad än med gammafördelad prior: ”The lognormal model [---] enjoys a significantadvantage over the gamma model in that, as observation time increases, a natural truncationof the hyperpriors μ,σ is possible.” (Cooke et al. 2003, s. 37) Trunkeringen <strong>av</strong> hyperpriorngörs med utgångspunkt från hyperposteriorifördelningen eftersom denna visar var någonstans”datastödet” är stort. Hyperposteriorifördelningen (6.7) beror i sin tur <strong>av</strong> likelihoodfunktionenp(x|θ). Cooke et al. visar nu att likelihoodfunktionen för gammafördelningen ”does notpeak but ’ridges’”, dvs. likelihoodfunktionen i α och β har inget tydligt maximum (Fig. 4,vänstra bilden) (Cooke et al. 2003, s. 16f). Det finns alltså inte något naturligt sätt att <strong>av</strong>gränsasannolikhetsmassan i hyperposteriorifördelningen och därmed inte heller i a posteriorifördelningen:”The inability to localize the hyperposterior mass for (α,β) means that we cannot localizethe posterior mass [---]” (Cooke et al. 2003, s. 15). Likelihoodfunktionen för μ och σ,dvs. hyperparametrarna i lognormalfördelningen, bildar däremot ett tydligt maximum då Tväxer (Fig. 4, högra bilden) (Cooke et al. 2003, s. 22). Skillnaden torde bero på att beroendetär starkare mellan α och β än mellan μ och σ (Cooke et al. 1995).Figur 4. Likelihoodfunktionen p(x|θ) i gammafallet (t.v.) och i lognormalfallet(t.h.) (Cooke et al. 2003, s. 16, 22).Att en ”naturligare” trunkering (en naturligare <strong>av</strong>gränsning <strong>av</strong> sannolikhetsmassan) kan görasi lognormalfallet betyder enligt Cooke et al. att skillnaden mellan olika godtagbara trunkeringarär mycket liten (Cooke et al. 2003, s. 25). I gammafallet ger å andra sidan olika ”likaplausibla” trunkeringar skillnader på en faktor ≥ 5 (Cooke et al. 2003, s. 18). Detta ger enligtCooke et al. en betydande fördel för lognormalfördelningen: ”The possibility of truncating thedomains of integration so as to include the bulk of the mass around the maximum of the prioris a significant argument in f<strong>av</strong>our of the lognormal prior over the gamma prior.” (Cooke etal. 2003, s. 25) Cooke et al. ställer sig emellertid tveksamma <strong>till</strong> att över huvud taget användaicke-informativa hyperpriors om de leder <strong>till</strong> oäkta fördelningar (Cooke et al. 2003, s. 37).26