Professional Documents
Culture Documents
Ekonometria Bayesowska
Wykład 2: Bayesowska analiza równania ze stałą (N)
i składnikiem losowym (N). Pakiet rstan
Andrzej Torój
Plan wykładu
1 Model ze stałą
2 Podstawy języka R
Plan prezentacji
1 Model ze stałą
2 Podstawy języka R
Specyfikacja modelu
Model ze stałą
Rozważmy absurdalnie prosty model ekonometryczny:
ε ∼ N 0, σ 2 i.i.d.
yi = c + εi ,
Specyfikacja modelu
Rozkład normalny
Dotyczy zmiennych losowych o
wartościach rzeczywistych.
Opisują go dwa parametry: µ i σ 2
(odpowiednio wartość oczekiwana i
wariancja).
Funkcja gęstości:
(x−µ)2
f (x) = √1 e − 2σ 2 .
σ 2π
(c−µc )2
1 −
2σc2
f (c) = √ e
σc 2π
Andrzej Torój Instytut Ekonometrii – Zakład Ekonometrii Stosowanej
(2) Ekonometria Bayesowska 5 / 28
Model ze stałą Podstawy języka R Bayesowska analiza modelu ze stałą
Specyfikacja modelu
Gęstość próbkowa
Przy niezależnych obserwacjach (jak w poprzednim przykładzie o
Euro 2016) jest to iloczyn wartości funkcji wiarygodności dla
każdego elementu w próbie, warunkowo względem określonej
wartości parametru:
n
Y
f (ε|c) = f (εi |c) =
i=1
n
(εi −0)2
X
− 12
σ2
= √1 n e i=1 =
(σ 2π)
n
(yi −c )2
X
− 12
σ2
= √1 n e i=1 = f (y |c)
(σ 2π)
Andrzej Torój Instytut Ekonometrii – Zakład Ekonometrii Stosowanej
(2) Ekonometria Bayesowska 6 / 28
Model ze stałą Podstawy języka R Bayesowska analiza modelu ze stałą
Gęstość a posteriori
Gęstość a posteriori
n
X n
X
yi2 −2c yi +nc 2
n
X (y −c)2i (c−µc )2 i=1 i=1 c 2 −2cµc +µ2
c
σ2
+ σc2
= σ2
+ σc2
=
i=1
n
X
n
X
= ...
Gęstość a posteriori
Xn
2 2 2 2
!2 σc yi + σ µc
σc2 nȳ +σ 2 µc
!
σc2 nȳ +σ 2 µc
!2 σc2 nȳ + σ 2 µc i=1
c 2 −2c + − +
nσc2 +σ 2 nσc2 +σ 2
nσc2 + σ 2
nσc2 + σ 2
| {z }
B
... = 1 =
1 + n
σc2 σ 2
!2
σc2 nȳ +σ 2 µc
c− +B
nσc2 +σ 2
= 1
1 + n
σc2 σ 2
Gęstość a posteriori
−
1
2·
1 n
σc2
+ σ2
−B nσc2 +σ 2
( )
1 √1 n √1 | {z }
2σ 2 σc2
= e e wariancja rozkladu N
A σ 2π σc 2π
| {z }
stala niezale żna od c
Gęstość a posteriori
Wariancja a posteriori:
rośnie wraz z wariancją a priori i wariancją danych;
maleje wraz z wielkością próby.
Plan prezentacji
1 Model ze stałą
2 Podstawy języka R
Potrzebne pakiety
Potrzebne pakiety
Zadanie
Co chcemy zrobić?
Zadanie
Zadanie
Funkcje gęstości
Zadanie
Wykresy
Szczegóły w kodzie.
Zadanie
Wykresy interaktywne
manipulate (
{plot(x,y,...)
...} #Polecenia tworzące wykres
y <- f(x,a) #Polecenia przetwarzające parametry
a <- slider(od, do, step = ..., initial = ...)
#Parametry
)
Zadanie
Plan prezentacji
1 Model ze stałą
2 Podstawy języka R
Analitycznie
Rozkład a priori
Analitycznie
Rozkład a posteriori
Analitycznie
Pytania
Numerycznie
Numerycznie
Numerycznie
rstan – wyniki
Numerycznie