Comment calculez-vous l'a priori approprié si vous avez l'erreur de mesure d'un instrument? Ce paragraphe est tiré du livre de Cressie "Statistiques pour les données spatio-temporelles":
Il arrive souvent que certaines informations préalables soient disponibles concernant la variance des erreurs de mesure, ce qui permet de spécifier un modèle de paramètre assez informatif. Par exemple, si nous supposons des erreurs de mesure indépendantes conditionnellement qui sont iid , nous devons alors spécifier un préalable informatif pour . Disons que nous étions intéressés à la température de l' air ambiant, et nous avons vu que les spécifications du fabricant d'instruments ont indiqué une « erreur » de ± 0,1 ° C . En supposant que cette «erreur» correspond à 2 écarts types (une hypothèse à vérifier!), On pourrait alors spécifier \ sigma _ {\ epsilon} ^ {2} pour avoir une moyenne préalable de (0,1 / 2) ^ 2 = 0,0025. En raison des spécifications du fabricant de l'instrument, nous supposerions une distribution ayant un pic clairement défini et assez étroit à 0,0025 (par exemple, gamma inverse). En fait, nous pourrions simplement fixer à 0,0025; cependant, l'erreur du modèle de données peut également avoir d'autres composantes d'incertitude (section 7.1). Pour éviter d'éventuels problèmes d'identification avec l'erreur de modèle de processus, il est très important que les modélisateurs réduisent l'incertitude autant que la science le permet, y compris en effectuant des études parallèles conçues pour avoir des données reproduites.
Quelqu'un sait-il quelle est la procédure générale pour obtenir les valeurs d'un a priori comme décrit ci-dessus (bien que le paragraphe se réfère uniquement à l'obtention de la moyenne a priori)?
la source