gauss-modell-struktur-schoice
Question
Das Kung-Modell aus dem Kapitel ist wie folgt spezifiziert:
\[ \begin{aligned} \mu &\sim \mathcal{N}(178, 20) & \text{Prior} \\ \sigma &\sim \mathcal{E}(1/8) & \text{Prior} \\ h_i &\sim \mathcal{N}(\mu, \sigma) & \text{Likelihood} \end{aligned} \]
Welche Interpretation dieses Modells ist korrekt?
Answerlist
- Der Populationsmittelwert der Körpergröße, \(\mu\), wird apriori als normalverteilt angenommen; die Streuung der Körpergrößen, \(\sigma\), wird apriori als exponentialverteilt angenommen; die einzelnen Körpergrößen \(h_i\) werden als normalverteilt um \(\mu\) mit Streuung \(\sigma\) angenommen.
- \(\mu\) und \(\sigma\) sind feste, bekannte Zahlen, die im Modell direkt vorgegeben werden, nur \(h_i\) ist unsicher.
- Die dritte Zeile besagt, dass jede einzelne Körpergröße \(h_i\) exakt dem Wert \(\mu\) entspricht.
- Die erste Zeile (\(\mu\sim\mathcal{N}(178,20)\)) beschreibt die Verteilung der einzelnen beobachteten Körpergrößen im Datensatz.
- Da \(\sigma\) apriori als exponentialverteilt angenommen wird, kann \(\sigma\) auch negative Werte annehmen.
Solution
Das Modell hat zwei Parameter, \(\mu\) (Populationsmittelwert) und \(\sigma\) (Streuung um diesen Mittelwert), für die jeweils eine Apriori-Verteilung angenommen wird (\(\mu\) normalverteilt, \(\sigma\) exponentialverteilt, da diese Größe notwendigerweise positiv sein muss). Die dritte Zeile (Likelihood) besagt, dass jede einzelne beobachtete Körpergröße \(h_i\) als Realisation einer Normalverteilung mit den (unbekannten) Parametern \(\mu\) und \(\sigma\) verstanden wird. Die erste Option ist korrekt.
Warum die Distraktoren falsch sind:
- Die zweite Option widerspricht dem Kern des Bayes-Ansatzes: Gerade weil wir \(\mu\) und \(\sigma\) nicht mit Sicherheit kennen, spezifizieren wir für beide eine Apriori-Verteilung (statt eines festen Werts) – die Ungewissheit über die Parameter ist ja gerade der Ausgangspunkt der Analyse.
- Die dritte Option verwechselt den Populationsmittelwert \(\mu\) mit den individuellen Beobachtungen \(h_i\): Laut Likelihood streuen die einzelnen Körpergrößen um \(\mu\) herum (mit Streuung \(\sigma\)), sie sind also gerade nicht alle identisch zu \(\mu\).
- Die vierte Option verwechselt Priori-Verteilung und Likelihood: Die erste Zeile beschreibt die Ungewissheit über den Parameter \(\mu\), nicht die Verteilung der beobachteten Einzeldaten – Letztere wird durch die dritte Zeile (Likelihood) beschrieben.
- Die fünfte Option ist falsch: Die Exponentialverteilung ist per Definition nur für positive Werte definiert – genau deshalb wurde sie hier gewählt, um sicherzustellen, dass \(\sigma\) (eine Streuung, die niemals negativ sein kann) nur plausible, positive Werte annimmt.
Aufgabenname: gauss-modell-struktur-schoice
Answerlist
- Wahr
- Falsch
- Falsch
- Falsch
- Falsch
Meta-information
exname: gauss-modell-struktur-schoice extype: schoice expoints: 1 exsolution: 10000 exshuffle: 5 excategory: bayes