Antonyme de variance

Y a-t-il un mot qui signifie «l'inverse de la variance»? Autrement dit, si a une variance élevée, alors a de faibles ? Pas intéressé par un antonyme proche (comme «accord» ou «similitude») mais signifiant spécifiquement ? $X$ $X$ $\dots$ $1/\sigma^2$

bayesian variance terminology precision Hugh
la source

L'accord et la similitude sont en tout cas à peu près évités, du moins dans les définitions formelles, pour les comparaisons par paires et autres. Cependant, cela n'exclut pas les discussions informelles, par exemple, vous pouvez voir à partir de la faible variance que les différentes mesures ont tendance à être d'accord

Nick Cox

J'ai ajouté un [bayesian]tag car, comme vous pouvez le voir dans ma réponse et mes commentaires, la réponse est étroitement liée aux statistiques bayésiennes et il sera plus facile de trouver des tags comme celui-ci.

Tim

Réponses:

$1/\sigma^2$ est appelé précision . Vous pouvez le trouver souvent mentionné dans les manuels de logiciels bayésiens pour BUGS et JAGS , où il est utilisé comme paramètre pour la distribution normale au lieu de la variance. Il est devenu populaire parce que le gamma peut être utilisé comme conjugué avant pour la précision dans la distribution normale, comme l'ont remarqué Kruschke (2014) et @Scortchi .

Kruschke, J. (2014). Faire l'analyse des données bayésiennes: un tutoriel avec R, JAGS et Stan. Academic Press, p. 454.

Tim
la source

(+1) Je ne me souviens pas l'avoir vu en dehors de ce contexte, où il est commode de pouvoir dire des choses comme "ajouter les précisions de l'a priori et les données pour obtenir la précision du postérieur", et utiliser le familier distribution gamma comme a priori conjugué pour plus de précision.

Scortchi - Réintégrer Monica

Également courant dans les paramètres multivariés, où la précision devient l'inverse de la matrice de covariance. (Et encore une fois, est utile comme paramètre pour une distribution normale lorsque vous avez besoin d'un conjugué préalable).

Peter

Oui, la matrice de précision est très utile lorsqu'il s'agit de gaussiens multivariés (comme l'a dit @Peter), par exemple les formules pour les distributions conditionnelles sont plus simples en termes de matrices de précision. Bishop passe de nombreuses pages à décrire comment cela fonctionne dans le chapitre 3 de sa reconnaissance des formes et de l'apprentissage automatique , et cela réapparaît ensuite plusieurs fois dans le livre.

amibe dit Réintégrer Monica