Laisser de nombreuses estimations s'entraider
Imaginez que vous avez le rendement moyen de actions. Les plus belles sont en partie bonnes et en partie chanceuses. Un modèle hiérarchique dit que toutes les vraies moyennes viennent d'une même population, , et que chaque moyenne observée est la vraie moyenne plus un bruit d'erreur standard . Les données propres de l'action sont alors combinées avec le groupe : l'estimation est tirée vers la moyenne du groupe . Cette attraction s'appelle le rétrécissement.
Le facteur de rétrécissement est la part de poids donnée au groupe. Une action bruitée ( grand) a proche de et est fortement tirée vers la moyenne du groupe. Une action mesurée avec précision ( petit) garde presque sa propre valeur. Si vous ne connaissez pas , estimez-le à partir de la dispersion : la variance des entre actions vaut plus la moyenne des . Donc est cette variance moins le bruit moyen, jamais en dessous de . Si la dispersion n'est pas plus grande que ce que le bruit seul produirait, et toutes les actions partagent une seule estimation.
- Modèle hiérarchique : les vraies moyennes viennent d'une population commune, donc les données de chaque action aident toutes les autres.
- Rétrécissement : les estimations bruitées bougent beaucoup, les précises à peine.
- Estimer : variance entre actions moins le bruit moyen, jamais sous .
Lab : ce qui est noté
- Le facteur de rétrécissement15 pts
- La moyenne rétrécie de A15 pts
- La moyenne rétrécie de B10 pts
- La dispersion a posteriori de A10 pts
- Estimer tau carré15 pts
- Qui est le plus rétréci10 pts
- Associer le vocabulaire10 pts
- Pourquoi le rétrécissement aide15 pts