ベイジアンモデルを近似する場合、専門家から事前分布を引き出すにはどうすればよいですか？
回答:
ジョンクックは、いくつかの興味深い推奨事項を示しています。基本的には、専門家からパーセンタイル/分位数（平均値または不明瞭なスケールパラメーターではありません！）を取得し、適切な分布に合わせます。
http://www.johndcook.com/blog/2010/01/31/parameters-from-percentiles/
現在、私は修士論文のための試行ルーレット法を誘発技術として研究しています。これは、専門家が不確実な量の主観的な確率分布を表すことができるグラフィカルな方法です。
専門家には、合計が1になる合計密度が等しい等密度を表すカウンター（またはカジノチップと考えることができるもの）が与えられます-例えば、20チップの確率=それぞれ0.05。次に、事前に印刷されたグリッドに配置するよう指示され、ビンが結果の間隔を表します。各列は、対応するビンの結果を取得する確率の信念を表します。
例：学生は、将来の試験でマークを予測するように求められます。次の図は、主観的な確率分布を引き出すための完成したグリッドを示しています。グリッドの水平軸は、学生に考慮を求められたビン（またはマーク間隔）を示します。一番上の行の数字は、ビンごとのチップ数を記録します。完成したグリッド（合計20のチップを使用）は、マークが60〜64.9になる可能性が30％あると学生が信じていることを示しています。
この手法を使用することを支持するいくつかの理由は次のとおりです。
専門家に主観的な確率分布の形状に関する多くの質問に答えることができます。専門家に長い一連の質問を投げかける必要はありません。
引き出しプロセス中に、専門家はチップを最初に配置した方法に不満がある場合、チップを自由に動き回ることができます。したがって、提出される最終結果を確認できます。
これにより、提供される確率のセットで専門家が首尾一貫するようになります。すべてのチップを使用する場合、確率は1つになります。
グラフィカルな方法は、特に控えめなレベルの統計的洗練度を持つ参加者にとって、より正確な結果を提供するようです。
優先順位を引き出すのは難しいビジネスです。
確率分布誘発するための統計的方法及び引き出す確率分布は、前誘発のために非常に良い実用的なガイドです。両方の論文のプロセスの概要は次のとおりです。
もちろん、彼らはまた、誘発が分布に適合するか、さもなければ分布を定義する情報をどのようにもたらすかをレビューします（たとえば、ベイジアンコンテキスト、ベータ分布）。狭い分布や小さな分布など）。
主題の専門家に事前の平均またはモードを指定させることをお勧めしますが、スケールとして与えるものを自由に調整したいと思います。ほとんどの人は、分散の定量化があまり得意ではありません。
そして、私は間違いなく専門家に分布族、特に尾の厚さを決定させません。たとえば、事前分布の対称分布が必要であるとします。正規分布と、たとえば5自由度のスチューデントt分布を区別するほど、主観的な信念を細かく指定することはできません。ただし、一部のコンテキストでは、t（5）事前分布は通常の事前分布よりもはるかに堅牢です。要するに、尾の厚さの選択は、専門家の意見を定量化する問題ではなく、技術的な統計的な問題だと思います。
この興味深い質問はACERAの研究の主題です。主任研究者はAndrew Speirs-Bridgeであり、彼の研究は非常にグーグルに対応しています:)