可交换性与德·菲内蒂定理

可交换性将观测顺序不携带任何信息的思想形式化，而德·菲内蒂定理表明，这一假设证明了在给定先验参数的情况下，将数据视为条件独立同分布（i.i.d.）是合理的。

Definition

如果一系列随机变量的联合分布在任何索引排列下保持不变，则称其是可交换的；德·菲内蒂定理指出，一个无限可交换序列是独立同分布序列的混合，其中混合分布扮演着先验的角色。

Scope

本主题涵盖有限和无限可交换性、德·菲内蒂表示定理及其在纯粹主观概率基础上确立参数模型和先验的作用，以及结构化数据的部分可交换性。

Core questions

• 一系列观测值可交换意味着什么？
• 德·菲内蒂定理如何将可交换序列表示为条件独立同分布？
• 为什么可交换性为主观概率的先验和参数模型提供了依据？
• 如何通过部分可交换性将这一思想扩展到结构化或分组数据？

Key concepts

• 可交换性
• 排列不变性
• 混合分布
• 条件独立性
• 部分可交换性
• 主观概率

Key theories

德·菲内蒂表示定理

任何无限可交换的二元序列都可以写成伯努利序列的混合，其中混合测度可以解释为成功概率的先验；该结果推广到更广泛的观测空间。

部分可交换性

当数据分组时，组内假定可交换性，这促使了分层模型的发展，其中组级参数本身也是可交换的。

Clinical relevance

可交换性是允许在相似单元之间汇集信息的建模假设，是应用科学中元分析、多中心试验和分层模型的基础。

History

德·菲内蒂在20世纪30年代引入了可交换性并证明了他的表示定理，为主观概率提供了一种替代频率论独立同分布抽样概念的方法。休伊特和萨维奇后来将该定理推广到更一般的空间。

Key figures

• Bruno de Finetti
• David Hewitt
• Leonard J. Savage

Seminal works

• definetti1937
• bernardo1994

Frequently asked questions

可交换性与独立性相同吗？

不。可交换变量通常是相关的，但德·菲内蒂定理表明，一旦引入未知参数，它们就变得条件独立同分布，这正是贝叶斯模型的结构。