J'essaie d'indiquer une distribution antérieure pour une méta-analyse bayésienne.
J'ai les informations suivantes sur une variable aléatoire:
- Deux observations: 3.0, 3.6
- un scientifique qui étudie la variable m'a dit que , et que des valeurs aussi élevées que 6 ont une probabilité non nulle.
J'ai utilisé l'approche d'optimisation suivante (le mode de log-N = :
prior <- function(parms, x, alpha) {
a <- abs(plnorm(x[1], parms[1], parms[2]) - (alpha/2))
b <- abs(plnorm(x[2], parms[1], parms[2]) - (1-alpha/2))
mode <- exp(parms[1] - parms[2]^2)
c <- abs(mode-3.3)
return(a + b + c)
}
v = nlm(prior,c(log(3.3),0.14),alpha=0.05,x=c(2.5,7.5))
x <- seq(1,10,0.1)
plot(x, dlnorm(x, v$estimate[1], v$estimate[2]))
abline(v=c(2.5,7.5), lty=2) #95%CI
Dans la figure, vous pouvez voir la distribution que cela renvoie, mais je voudrais trouver quelque chose de plus semblable aux lignes rouges que j'ai dessinées.
Cela fournit la même distribution de forme en utilisant le lognormal, gamma ou la normale, et il en résulte une distribution avec et , c'est à dire:
plnorm(c(5,6), v$estimate[1],v$estimate[2])
Quelqu'un peut-il suggérer des alternatives? Je préférerais m'en tenir à une seule distribution plutôt qu'à un mélange.
Merci!