View
214
Download
0
Tags:
Embed Size (px)
Citation preview
1
Finite Population Inference for the Mean from
a Bayesian Perspective
Edward J. Stanek IIIDepartment of Public HealthUniversity of Massachusetts
Amherst, MA
2
Collaborators
Parimal Mukhopadhyay, Indian Statistics Institute, Kolkata, IndiaViviana Lencina, Facultad de Ciencias Economicas, Universidad Nacional de Tucumán, CONICET, ArgentinaLuz Mery Gonzalez, Departamentao de Estadística, Universidad Nacional
de Colombia, Bogotá, ColombiaJulio Singer, Departamento de Estatística, Universidade de São Paulo, BrazilWenjun Li, Department of Behavioral Medicine, UMASS Medical School,
Worcester, MARongheng Li, Shuli Yu, Guoshu Yuan, Ruitao Zhang, Faculty and Students
in the Biostatistics Program, UMASS, Amherst
3
Outline
• Guessing the Finite Population Mean using Bayesian Methods: 1. General Idea of Labels and Response2. Notation 3. Example with Continuous Normal Priors
• Exchangeable Prior Distributions1. Example with N=32. Notation3. Geometric Interpretations
• The Data1. Sample space as subspace of prior2. Sample space conditional on the data
• Notation for Prior, Data and Posterior1. Points in the prior and their probability2. Partitioning prior points into the data, and remainder3. Simplifications when data match prior4. Posterior notation and simplification
• Simple Example
4
Finite Population Inference for the Mean from
a Bayesian PerspectivePopulation
Data
3Rose Lily Daisyy y y
Rose y
What is ?Listing Latent Value
Rose
Lily
Daisy
Rosey
Daisyy
Lilyy
0 ; 1,...,j
y j N
y
0 ; 1,...,
, ,
jL j N
Lily Rose Daisy
0
1
L
yN
0 j
Rose
Lily
Daisy
λ 0
Rose
j Lily
Daisy
y
y y
y
y
5
Bayesian Model
Population Notation
Population 0 ; 1,...,j
y j N
0 ; 1,...,j
L j N
0
0
1
L
yN
y
Label Latent Value
Set of Labels
Parameter
0
0
0
L
Population includes N subjects
0λ
Vector
0y
6
Bayesian Model
Prior Populations
h
h
h
h
L
p
Populations
Prior
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
# Prior Parameters: H
Population h
Prior Probability 1
1H
hh
p
LabelsParameters
Prior Prob.
Usually, prior populations have the same number of subjects, N.
7
Bayesian Model
Prior Populations- Equality
andh
h
h
h
L
p
Population h
*
*
*
*
h
h
h
h
L
p
Population h*
Two Prior Populations are equal if and only if
*h hL L The same subjects are in
each population
; 1,...,h jy j N
*
* * ; 1,...,h j
y j N
If hL *y y then
Prior populations are equal if they includethe same subjects, and a subject’s latentvalue in one population is equal to the same subject’s latent value in the other population.
*h h
8
Bayesian Model
Prior Distribution of
ExamplePrior Populations
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
4 8 12 15 16 16 17 20 24 28
1 1 1 4 3 4 4 1 1 1
40 20 20 20 20 20 20 20 20 40
L L L L L L L L L L
p p p p p p p p p p
0 4 8 12 16 20 24 28 32
hp
9
Bayesian Model
General Idea
Populations Populations
# Posterior Populations: H
DataPrior Posterior
# Prior Populations: H
Prior
Probabilities
Posterior
Probabilities
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
10
Bayesian Model
General Idea
Populations Populations
# Posterior Populations: H
DataPrior Posterior
# Prior Populations: H
Sample Subjects
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
; 1,...,s
L s n
1
0I s
n
λ
1
0I s
n
x
x
x
x
11
Bayesian Model
General Idea
Populations Populations
# Posterior Populations: H
DataPrior Posterior
# Prior Populations: HIf
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
h
for each , hL L
L x y
Sample subjects must be in the population
Latent Value for the subject in the sample must equal that in the population
* 0hp
for
12
Bayesian Model
General Idea
Populations Populations
# Posterior Populations: H
DataDiscrete Prior
Posterior
# Prior Populations: H
Prior
Probabilities
Posterior
Probabilities
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
Note: Often, the prior distribution is continuous, as if H
13
Bayesian Model
General Idea-Example
Populations Populations
# Posterior Populations:
DataContinuous Prior
Posterior
# Prior Populations: H Prior
ProbabilitiesPosterior Probabilities
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
2,hi hY N
2,h N
,NN Y 1 V2 2
N N V I J
iid
221
,N NN N
1 Y
1
1 n
ss
x xn
H
* *2
1
1 1| ,
n
N ii
Y x N vN n
1 Y
2
*2
2
n N n N nx x
N N Nn
14
Bayesian Model
General Idea-ExampleData
Continuous Prior
Posterior
2,hi hY N
2,h N
2 2,N N NN Y 1 I J
iid
21,NY N v
N 1 Y
1
1 n
ss
x xn
i h iY b W Model:
20,N 20,N
* *2| ,IY Y x N v
22 2v
N
where
* n N nx k x
N N
Let us define
1
2I
n
Y
Y
Y
Y
1I n IY
n 1 Y
2
2 2 /k
n
*2 21N n
v k vN
15
Bayesian Model
General Idea-ExampleData
Continuous Prior
Posterior
2,hi hY N
2,h N
2 2,N N NN Y 1 I J
iid
2var
E Y
Y v
1
1 n
ss
x xn
i h iY b W Model:
20,N 20,N
* *2| ,IY Y x N v
* n N nx k x
N N
*2 21N n
v k vN
2
|
var | 1
n N nE Y x x k x
N NN n
Y x k vN
Posterior Mean is Different
Posterior Variance is smaller
16
Bayesian Model
Link between Prior and Data
Populations Populations
# Posterior Populations: H
DataPrior Posterior
# Prior Populations: H
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
Assume the Potential Response for Subjects in each Prior population is a vector of exchangeable random variables!
Use Likelihood of Parameter, given the data to form the Posterior
17
Bayesian Model
Exchangeable Prior Populations-
Population ; 1,...,j
y j N
; 1,...,j
L j N Labels (subjects)
Let 1
2i
N
Y
YY
Y
Y be a vector of exchangeable random variables
for the population
Exchangeability implies that the joint probability density, pp Y
of response p pYY for 1,...,N associated with each
permutation, p, of subjects in L is identical for all 1,..., !p P N
(Focus on one population, h,but drop the subscript for simplicity)
1
H
h hh
I
Y Y where 1 if with probability
0 otherwise h h
h
pI
Y Y
18
Bayesian Model- Exchangeable Prior Populations
General Idea When N=3
11
1 1 12
13
Y
Y Y
Y
Y
p pYY
1p
Each Permutation p of subjects in L(i.e. each different listing)
1p Y
Joint Probability Density
2 11 1
2 2 2 12 3
2 13 2
Y Y
Y Y Y
Y Y
Y 2p
2p Y
6 11 3
6 6 6 12 2
6 13 1
Y Y
Y Y Y
Y Y
Y
6
!
p
N
6p Y
Must beidentical
1
2
3
i
Y
Y Y
Y
YExchangeableRandomVariables
p YThe commondistribution
GeneralNotation
Assigns (usually) equal probability to eachpermutation of subjectsin the population.
19
Bayesian Model- Exchangeable Prior Populations
General Idea When N=3
1p
2 12Y u Y
2p
6
!
p
N
1
1 0 0
0 1 0
0 0 1
u
2
1 0 0
0 0 1
0 1 0
u
2
0 0 1
0 1 0
1 0 0
u
PermutationMatrices (for Listings)
1 11Y u Y
6 16Y u Y
20
Bayesian Model- Exchangeable Prior Populations N=3
Each Listing of subjects in L
1
12
3
j
Y
Y Y
Y
Y1p
Random VariablesFor Listing
21
2 2 22
23
Y
Y Y
Y
Y 2p
61
6 6 62
63
Y
Y Y
Y
Y
6
!
p
N
Rose
Lily
Daisy
Listing
Lily
Rose
Daisy
Daisy
Lily
Rose
, ,L Rose Lily DaisyLabels
Define the Possible Listings of subjects in L
1
10 2
3
j
Rose
Lily
Daisy
λ λ
1
22 0 3
2
Rose
Daisy
Lily
λ u λ
3
66 0 2
1
Daisy
Lily
Rose
λ u λ
21
Bayesian Model- Exchangeable Prior Populations N=3
Latent Values for Each Listing of subjects in L
1p
2p
6
!
p
N
Rose
Lily
Daisy
Listing
Rose
Daisy
Lily
Daisy
Lily
Rose
Listings
1 11 0
Rose
Lily
Daisy
y
y y
y
y u y 1
1 0 0
0 1 0
0 0 1
u
2 22 0 λ u λ
1 11 0 λ u λ
2
1 0 0
0 0 1
0 1 0
u
6 66 0 λ u λ
2
0 0 1
0 1 0
1 0 0
u
PermutationMatrices
2 22 0
Rose
Daisy
Lily
y
y y
y
y u y
6 66 0
Daisy
Lily
Rose
y
y y
y
y u y
Latent Values for Listing
, ,L Rose Lily Daisy
22
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1p
2p
Listings
11 0
Rose
Lily
Daisy
y
y
y
y u y
22 0
Rose
Daisy
Lily
λ u λ
11 0
Rose
Lily
Daisy
λ u λ
22 0
Rose
Daisy
Lily
y
y
y
y u y
Latent Values for Listing
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
Latent Values for permutations of listing
11u y
12u y
15u y
13u y
14u y
16u y
23
Bayesian Model- Exchangeable Prior Populations N=3
Population Point (N dimension space)
10
10
5
2
Rose
Lily
Daisy
y
y
y
y y
Rose
Daisy
Lily 1
1 0
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1Example
24
Bayesian Model-Exchangeable Prior Population
Permutations
Lilyy
Rosey
Lilyy
Daisyy
11u y
11Y
12Y
13Y
Rose
Daisy
Lily
11 0
10
5
2
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1
11
1 12
13
Y
Y
Y
Y
11u y
25
Bayesian Model-Exchangeable Prior Population
Permutations
Lilyy
Rosey
Lilyy
Daisyy
Rosey
LilyyDaisyy
11u y
12u y
13Y
Rose
Daisy
Lily
11 0
10
5
2
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1
11Y
12Y
1u
12u y
11
1 12
13
Y
Y
Y
Y
26
Bayesian Model- Exchangeable Prior Populations N=3
Permutations
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
11u y
12u y
15u y
13u y
14u y
16u y
11Y
12Y
13Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
11 0
10
5
2
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1
11
1 12
13
Y
Y
Y
Y
27
Bayesian Model- Exchangeable Prior Populations N=3
Permutations
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
11u y
12u y
15u y
13u y
14u y
16u y
Listing p=1
11Y
12Y
13Y
1u
2u
3u
4u
5u
6u
11
1 12
13
Y
Y
Y
Y 11p
12p
13p
14p
15p
16p
* * *
p p p p
p p pE I p P Y u y
1f Y
for p=1 110
5
2
Rose
Lily
Daisy
y
y
y
y
JointProbabilityDensity
Let
*
*
1 if
0 otherwise
p pp ppI
Y u y
28
Bayesian Model- Exchangeable Prior Populations N=3
2
10
2
5
Rose
Daisy
Lily
y
y
y
y
Rose
Daisy
Lily
22 0
Rose
Daisy
Lily
y
y
y
y u y
21u y
22u y
25u y
23u y
24u y
26u y
Daisyy
Lilyy
Rosey Daisyy
Lilyy
RoseyDaisyy
LilyyRosey
Daisyy
Lilyy
Rosey Daisyy
Lilyy
Rosey
Daisyy
LilyyRosey
Listing p=2
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
21
2 22
23
Y
Y
Y
Y 21p
22p
23p
24p
25p
26p
2f YJointProbabilityDensity
29
Bayesian Model- Exchangeable Prior Populations N=3
Equal Probability Density
Listing p=1
11Y
12Y
13Y
11p
12p
13p
14p
15p
16p
1f YJointProbabilityDensity
21Y
22Y
23Y
21p
22p
23p
24p
25p
26p
2f Y
Listing p=2
30
Bayesian Model- Exchangeable Prior Populations N=3
Permutations
Listing p=1
11Y
12Y
13Y
11p
12p
13p
14p
15p
16p
1f YFor Equality:each point must have equal probability
21Y
22Y
23Y
21p
22p
23p
24p
25p
26p
2f Y
Listing p=2
31
Bayesian Model-Exchangeable Prior Populations N=3
Equal/Unequal Probability
Listing p=1 1f Y 2f Y
Listing p=2
16p
23p
15p
24p
11p
22p
12p
21p
13p
25p
14p
26p
All equalto 1/6
Example 1 Example 2
Each equalto 0.25
Each equalto 0.125
Exchangeable does not mean equal probability for all permutations!
11p
22p
12p
21p
16p
23p
15p
24p
13p
25p
14p
26p
32
Bayesian Model- Exchangeable Prior Populations N=3
The same Points have Equal Probability
Listing p=1
11Y
12Y
13Y
11p
12p
13p
14p
15p
16p
1f YFor Equality:each point must have equal probability
21Y
22Y
23Y
21p
22p
23p
24p
25p
26p
2f Y
Listing p=2
33
Bayesian Model-Exchangeable Prior Populations N=3
Permutations
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
11u y
12u y
15u y
13u y
14u y
16u y
Rose
Daisy
Lily
11 0
10
5
2
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1
11Y
12Y
13Y
1u
2u
3u
4u
5u
6u
11
1 12
13
Y
Y
Y
Y
34
Bayesian Model- Exchangeable Prior Populations N=3
2
10
2
5
Rose
Daisy
Lily
y
y
y
y
Rose
Daisy
Lily
22 0
Rose
Daisy
Lily
y
y
y
y u y
21u y
22u y
25u y
23u y
24u y
26u y
Daisyy
Lilyy
Rosey Daisyy
Lilyy
RoseyDaisyy
LilyyRosey
Daisyy
Lilyy
Rosey Daisyy
Lilyy
Rosey
Daisyy
LilyyRosey
Listing p=2
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
21
2 22
23
Y
Y
Y
Y
35
Bayesian Model- Exchangeable Prior Populations N=3
35
10
2
Lily
Rose
Daisy
y
y
y
y
31Y
32Y
33Y
1u
2u
3u
4u5u
6u
Rose
Daisy
Lily
33 0
Lily
Rose
Daisy
y
y
y
y u y
31u y
32u y
35u y
33u y
34u y
36u y
Daisyy
Daisyy
Daisyy
Daisyy
Daisyy DaisyyLilyy Lilyy
Lilyy
Lilyy
Lilyy
LilyyRosey
Rosey
Rosey Rosey
Rosey
Rosey
Listing p=3
31
3 32
33
Y
Y
Y
Y
36
Bayesian Model- Exchangeable Prior Populations N=3
4
5
2
10
Lily
Daisy
Rose
y
y
y
y
41Y
42Y
43Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
44 0
Lily
Daisy
Rose
y
y
y
y u y
41u y
42u y
45u y
43u y
44u y
46u y
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey Daisyy
LilyyRosey
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey
Daisyy
LilyyRosey
Listing p=4
41
4 42
43
Y
Y
Y
Y
37
Bayesian Model- Exchangeable Prior Populations N=3
5
2
10
5
Daisy
Rose
Lily
y
y
y
y
51Y
52Y
53Y
1u
2u3u
4u
5u
6u
Rose
Daisy
Lily
55 0
Daisy
Rose
Lily
y
y
y
y u y
51u y
52u y
55u y
53u y
54u y
56u y
Rosey
Rosey
Rosey Rosey
Rosey
Rosey
Daisyy Daisyy
Daisyy
Daisyy
Daisyy
DaisyyLilyy
Lilyy
Lilyy
Lilyy
Lilyy Lilyy
Listing p=5
51
5 52
53
Y
Y
Y
Y
38
Bayesian Model- Exchangeable Prior Populations N=3
6
2
5
10
Daisy
Lily
Rose
y
y
y
y
61Y
62Y
63Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
66 0
Daisy
Lily
Rose
y
y
y
y u y
61u y
62u y
65u y
63u y
64u y
66u y
Rosey
Daisyy
LilyyRosey
Daisyy
LilyyRosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Listing p=6
61
6 62
63
Y
Y
Y
Y
39
Bayesian Model-Exchangeable Prior Populations N=3
Permutations of Listings
11Y
12Y
13Y
1u
2u
3u
4u
6u
5u
Listing p=1
Point for Listing
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
Listing p=2
31Y
32Y
33Y
1u
2u
3u
4u5u
6u
Listing p=3
41Y
42Y
43Y
1u
2u
3u
4u
5u
6u
Listing p=4
51Y
52Y
53Y
1u
2u3u
4u
5u
6u
Listing p=5
61Y
62Y
63Y
1u
2u
3u
4u
5u
6u
Listing p=6
40
Bayesian Model
Exchangeable Prior Populations-
Population ; 1,...,j
y j N
; 1,...,j
L j N Labels (subjects)
Let 1
2i
N
Y
YY
Y
Y be a vector of exchangeable random variables
for the population
Exchangeability implies that the joint probability density, pp Y
of response p pYY for 1,...,N associated with each
permutation, p, of subjects in L is identical for all 1,..., !p P N
When N=3, possible points for Y are given in the previous slide!Comparable points must have equal probability in each listing.
41
Bayesian Model
Link between Prior and Data
Populations Populations
# Posterior Populations: H
DataPrior Posterior
# Prior Populations: H
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1 2
1 2
1 2* * *1 2
H
H
H
H
L L L
p p p
Assume the Potential Response for Subjects in each Prior population is a vector of exchangeable random variables!
Use Likelihood of Parameter, given the data to form the Posterior
N=3
Supposen=2
42
Bayesian Model
Link between Prior and Data
Populations
DataPrior
# Prior Populations: H
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
N=3
Supposen=2
1
2
3
i
Y
YY
Y
Y
Realizations of
1 2,Y Y are the Data
43
Bayesian Model
Link between Prior and Data
Populations
DataPrior
# Prior Populations: H
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
N=3
Supposen=2
1
2
3
Y
Y
Y
Y
,L Rose Daisy
, 2Daisy x
, 10Rose x
for each , hL L
L x y
Sample subjects must be in the population
Latent Value for the subject in the sample must equal that in the population
44
Bayesian Model Exchangeable Prior Populations N=3
11Y
12Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=1Sample Space n=2
Prior
Listing p=1
11Y
12Y
13Y
1u
2u
3u
4u
6u
5u
11
1 12
13
Y
Y
Y
Y
45
Bayesian Model Exchangeable Prior Populations N=3
21Y
22Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=2
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
21
2 22
23
Y
Y
Y
Y
Sample Space n=2
Prior
Listing p=2
46
Bayesian Model Exchangeable Prior Populations N=3
31Y
32Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=3
31Y
32Y
33Y
1u
2u
3u
4u5u
6u
31
3 32
33
Y
Y
Y
Y
Sample Space n=2
Prior
Listing p=3
47
Bayesian Model Exchangeable Prior Populations N=3: Sample Point n=2
31Y
32Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=3
41Y
42Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=4
11Y
12Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=1
Listing p=2
21Y
22Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
51Y
52Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=5
61Y
62Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=6
48
Bayesian Model-Exchangeable Prior Populations N=3
Sample Points
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
11u y
12u y
15u y
13u y
14u y
16u y
11Y
12Y
13Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
11 0
10
5
2
Rose
Lily
Daisy
y
y
y
y u y
Listing p=1
11
1 12
13
Y
Y
Y
Y
,L Rose Daisy
49
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points When
11Y
12Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=1Sample Space n=2 when
PriorListing p=1
11Y
12Y
13Y
1u
2u
3u
4u
5u
6u
11
1 12
13
Y
Y
Y
Y
,L Rose Daisy
,L Rose Daisy
50
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points When
11Y
12Y
2u
5u
10
10
5
5
2
2
Listing p=1Sample Space n=2 when
Posterior PointsListing p=1
11Y
12Y
13Y
2u
11
1 12
13
Y
Y
Y
Y
,L Rose Daisy
,L Rose Daisy
5u
51
Bayesian ModelExchangeable Prior Populations N=3
Sample Points
Rose
Daisy
Lily
22 0
10
2
5
Rose
Daisy
Lily
y
y
y
y u y
21u y
22u y
25u y
23u y
24u y
26u y
Daisyy
Lilyy
Rosey Daisyy
Lilyy
RoseyDaisyy
LilyyRosey
Daisyy
Lilyy
Rosey Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Listing p=2
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
21
2 22
23
Y
Y
Y
Y
,L Rose Daisy
52
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
21Y
22Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=2
21Y
22Y
23Y
1u
2u
3u
4u
5u
6u
21
2 22
23
Y
Y
Y
YListing p=2
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Prior
53
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
21Y
22Y
1u
3u
10
10
5
5
2
2
Listing p=2
21Y
22Y
23Y
1u
3u
21
2 22
23
Y
Y
Y
YListing p=2
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Posterior
Points
54
Bayesian ModelExchangeable Prior Populations N=3
Sample Points
31Y
32Y
33Y
1u
2u
3u
4u5u
6u
Rose
Daisy
Lily
33 0
5
10
2
Lily
Rose
Daisy
y
y
y
y u y
31u y
32u y
35u y
33u y
34u y
36u y
Daisyy
Daisyy
Daisyy
Daisyy
Daisyy DaisyyLilyy Lilyy
Lilyy
Lilyy
Lilyy
Lilyy
Rosey
Rosey
Rosey Rosey
Rosey
RoseyListing p=3
31
3 32
33
Y
Y
Y
Y
,L Rose Daisy
55
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
31Y
32Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=3
31Y
32Y
33Y
1u
2u
3u
4u5u
6u
31
3 32
33
Y
Y
Y
Y
Prior
Listing p=3
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
56
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
31Y
32Y
4u
6u
10
10
5
5
2
2
Listing p=3
31Y
32Y
33Y
4u
6u
31
3 32
33
Y
Y
Y
YListing p=3
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Posterior
Points
57
Bayesian ModelExchangeable Prior Populations N=3
Sample Points
41Y
42Y
43Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
44 0
5
2
10
Lily
Daisy
Rose
y
y
y
y u y
41u y
42u y
45u y
43u y
44u y
46u y
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey Daisyy
LilyyRosey
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey
Daisyy
Lilyy
RoseyListing p=4
41
4 42
43
Y
Y
Y
Y
,L Rose Daisy
58
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
41Y
42Y
1u
2u
3u
4u
5u
6u
Listing p=4
41Y
42Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
41
4 42
43
Y
Y
Y
Y
Prior ,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
59
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
41Y
42Y
4u
6u
Listing p=4
41Y
42Y
4u
6u
10
10
5
5
2
2
41
4 42
43
Y
Y
Y
Y
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Posterior
Points
60
Bayesian ModelExchangeable Prior Populations N=3
Sample Points
51Y
52Y
53Y
1u
2u3u
4u
5u
6u
Rose
Daisy
Lily
55 0
2
10
5
Daisy
Rose
Lily
y
y
y
y u y
51u y
52u y
55u y
53u y
54u y
56u y
Rosey
Rosey
Rosey Rosey
Rosey
Rosey
Daisyy Daisyy
Daisyy
Daisyy
Daisyy
DaisyyLilyy
Lilyy
Lilyy
Lilyy
Lilyy LilyyListing p=5
51
5 52
53
Y
Y
Y
Y
,L Rose Daisy
61
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
51Y
52Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=5
51Y
52Y
53Y
1u
2u3u
4u
5u
6u
51
5 52
53
Y
Y
Y
Y
Prior ,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
62
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
51Y
52Y
1u
3u
10
10
5
5
2
2
Listing p=5
51Y
52Y
53Y
1u
3u
51
5 52
53
Y
Y
Y
Y
,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Posterior
Points
63
Bayesian ModelExchangeable Prior Populations N=3
Sample Points
61Y
62Y
63Y
1u
2u
3u
4u
5u
6u
Rose
Daisy
Lily
66 0
2
5
10
Daisy
Lily
Rose
y
y
y
y u y
61u y
62u y
65u y
63u y
64u y
66u y
Rosey
Daisyy
LilyyRosey
Daisyy
LilyyRosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Listing p=6
61
6 62
63
Y
Y
Y
Y
,L Rose Daisy
64
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
61Y
62Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=6
61Y
62Y
63Y
1u
2u
3u
4u
5u
6u
61
6 62
63
Y
Y
Y
Y
Prior ,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
65
Bayesian Model- Exchangeable Prior Populations N=3
Sample Points when
61Y
62Y
2u
5u
10
10
5
5
2
2
Listing p=6
61Y
62Y
63Y
2u
5u
61
6 62
63
Y
Y
Y
Y ,L Rose Daisy
Sample Space n=2 when ,L Rose Daisy
Posterior
Points
66
Bayesian Model Exchangeable Prior Populations N=3: Sample Points n=2
31Y
32Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=3
41Y
42Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=4
11Y
12Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=1
Listing p=2
21Y
22Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
51Y
52Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=5
61Y
62Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=6
67
Bayesian Model Exchangeable Prior Populations N=3:
Sample Points n=2
31Y
32Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=3
41Y
42Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=4
11Y
12Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=1
Listing p=2
21Y
22Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
51Y
52Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=5
61Y
62Y
1u
2u
3u
4u
5u
6u
10
10
5
5
2
2
Listing p=6
Positive Prob.
68
Bayesian Model-- Exchangeable Prior Populations N=3 Prior Distribution and Data: Sample Points with Positive Probability n=2
31Y
32Y
4u
6u
10
10
5
5
2
2
Listing p=3
41Y
42Y
4u
6u
10
10
5
5
2
2
Listing p=4
11Y
12Y
2u
5u
10
10
5
5
2
2
Listing p=1
Listing p=2
21Y
22Y
1u
3u
10
10
5
5
2
2
51Y
52Y
1u
3u
10
10
5
5
2
2
Listing p=5
61Y
62Y
2u
5u
10
10
5
5
2
2
Listing p=6
,L Rose Daisy
69
Bayesian Model-- Exchangeable Prior Populations N=3 Prior Distribution and Data:
Sample Points with Positive Probability n=2
,L Rose Daisy
Conclusions: •For all listings, the same sample points have positive probability •The sample points correspond to a permutation of response for
subjects in the data•For different listings, the permutation that results in the sample
points is different
•We need a way of representing these results in general•First, we’ll define notation for points in the prior distribution.
We call these points “potential response”
70
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1p
2p
Listings
11 0
Rose
Lily
Daisy
y
y
y
y u y
22 0
Lily
Rose
Daisy
λ u λ
11 0
Rose
Lily
Daisy
λ u λ
22 0
Lily
Rose
Daisy
y
y
y
y u y
Latent Values for Listing
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
Latent Values for permutations of listing
11u y
12u y
15u y
13u y
14u y
16u y
Daisyy
Daisyy
Daisyy
Daisyy
Daisyy DaisyyLilyy Lilyy
Lilyy
Lilyy
Lilyy
LilyyRosey
Rosey
Rosey Rosey
Rosey
Rosey
21u y
22u y
25u y
23u y
24u y
26u y
71
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1p
2p
Listings
11 0
Rose
Lily
Daisy
y
y
y
y u y
22 0
Lily
Rose
Daisy
λ u λ
11 0
Rose
Lily
Daisy
λ u λ
22 0
Lily
Rose
Daisy
y
y
y
y u y
Latent Values for Listing
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
Latent Values for permutations of listing 1
1u y 1
2u y 1
5u y 1
3u y 1
4u y 1
6u y
Daisyy
Daisyy
Daisyy
Daisyy
Daisyy DaisyyLilyy Lilyy
Lilyy
Lilyy
Lilyy
LilyyRosey
Rosey
Rosey Rosey
Rosey
Rosey
61u y
62u y
65u y
63u y
64u y
66u y
66 0
Daisy
Rose
Lily
y
y
y
y u y 66 0
Daisy
Lily
Rose
λ u λ6
!
p
N
Rosey
Rosey
Rosey Rosey
Rosey
Rosey
Daisyy Daisyy
Daisyy
Daisyy
Daisyy
DaisyyLilyy
Lilyy
Lilyy
Lilyy
Lilyy Lilyy
72
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1p
Listings
Lilyy
Rosey
Lilyy
Daisyy
Rosey
LilyyDaisyy Rosey
Lilyy
Daisyy Rosey
Lilyy
Daisyy Rosey
Lilyy
Daisyy
Rosey
LilyyDaisyy
Latent Values for permutations of listing
6
!
p
N
Rosey
Daisyy
LilyyRosey
Daisyy
LilyyRosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
1 1 0u u y 2 1 0u u y 3 1 0u u y 4 1 0u u y 5 1 0u u y 6 1 0u u y
* 1p * 2p * 3p * 4p * 5p * 6p
1 6 0u u y 2 6 0u u y 3 6 0u u y 4 6 0u u y 5 6 0u u y 6 6 0u u y
Let
*
* 0
pp
ppy u u y
Also, *
* 0
pp
ppλ u u λ
LatentValues
Subjectlabels
73
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1p
Listings
Lilyy
Rosey
Lilyy
Daisyy
Rosey
LilyyDaisyy Rosey
Lilyy
Daisyy Rosey
Lilyy
Daisyy Rosey
Lilyy
Daisyy
Rosey
LilyyDaisyy
Latent Values for permutations of listing
6
!
p
N
Rosey
Daisyy
LilyyRosey
Daisyy
LilyyRosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
1 1 0u u y 2 1 0u u y 3 1 0u u y 4 1 0u u y 5 1 0u u y 6 1 0u u y
* 1p * 2p * 3p * 4p * 5p * 6p
1 6 0u u y 2 6 0u u y 3 6 0u u y 4 6 0u u y 5 6 0u u y 6 6 0u u y
Let
*
* 0
pp
ppy u u y
Also, *
* 0
pp
ppλ u u λ
LatentValues
Subjectlabels
Same Points
74
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
Listings
Latent Value Vectors for permutations of listing
*
*
*
*
*
*
*
*
*
* * * * * *
!111 12 13 14 15 16 1 1
1
!221 22 23 24 25 26 2 2
1
!661 62 63 64 65 66 6 6
1
1 2 3 4 5 6
1
2
6
Np
pp
Np
pp
Np
pp
p p p p p p
p I
p I
p I
y y y y y y Y y
y y y y y y Y y
y y y y y y Y y
1
2
3
p p
Y
Y Y
Y
Y
Potential response for Random VariablesFor Listing p
Let us define indicator random variablesfor permutations of subjects in a listing:
*
*
1 if
0 otherwise
pppp
pI
Y y
Then *
*
*
!
1
Nppp p
pp
I
Y y
*
* 0
pp
ppy u u y
* *
p p
p pE I p
*
*
!
1
1N
p
pp
p
75
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1
2
3
p p
Y
Y Y
Y
Y
Potential response for Random VariablesFor Listing p
Let us define a permutation matrixof indicator random variables for a listing:
Then
*
*
*
* *
*
* *
*
!
1
!
01
!
1
Nppp p
pp
Np
pp pp
Np p
p pp
I
I
I
Y y
u u y
u y
*
* 0
pp
ppy u u ySince
* *
*
!
1
Np p
p pp
I
U u
p p pY U y
*
* 0
pp
ppλ u u λ
where
76
Bayesian Model- Exchangeable Prior Populations N=3
Distribution of
Listings
Latent Value Vectors for permutations of listing
*
* * * * * *
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
p p p p p p
ppp p p p p p p
p p p p p p
p
P p p p p p p
y y y y y y
Y y
*
*
*
1 !
21
3
Nppp p p
pp
Y
Y Y I
Y
Y y
Potential Response
pY
pp YJoint Probability Density
1pY
2pY
3pY
1py
2py
6py
3py
4py
5py
77
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
1Rose
Lily
Daisy
y
y
y
y
3Lily
Rose
Daisy
y
y
y
y
Lilyy
Rosey
Lilyy
Daisyy
Rosey
Rosey
Rosey Rosey
Rosey
Lilyy
Lilyy Lilyy
Lilyy
LilyyDaisyy
Daisyy
Daisyy
Daisyy Daisyy
Daisyy
Daisyy
Daisyy
Daisyy
Daisyy DaisyyLilyy Lilyy
Lilyy
Lilyy
Lilyy
LilyyRosey
Rosey
Rosey Rosey
Rosey
Rosey
5Daisy
Rose
Lily
y
y
y
y Rosey
Rosey
Rosey Rosey
Rosey
Rosey
Daisyy Daisyy
Daisyy
Daisyy
Daisyy
DaisyyLilyy
Lilyy
Lilyy
Lilyy
Lilyy Lilyy
2Rose
Daisy
Lily
y
y
y
y
Daisyy
Lilyy
Rosey Daisyy
Lilyy
RoseyDaisyy
LilyyRosey
Daisyy
Lilyy
Rosey Daisyy
Lilyy
Rosey
Daisyy
LilyyRosey
4Lily
Daisy
Rose
y
y
y
y
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey Daisyy
LilyyRosey
Daisyy
Lilyy
RoseyDaisyy
Lilyy
Rosey
Daisyy
LilyyRosey
6Daisy
Lily
Rose
y
y
y
yRosey
Daisyy
LilyyRosey
Daisyy
LilyyRosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
Rosey
Daisyy
Lilyy
In each listing, the same points occur!
78
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1
2
3
p p
Y
Y Y
Y
Y
Potential response for Random VariablesFor Listing p
*
* 0
pp
ppy u u y
Circled points are equal and have equal probability,for different listings.
79
Bayesian Model- Exchangeable Prior Populations N=3
Potential Response for Each Listing of subjects
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1
2
3
p p
Y
Y Y
Y
Y
Potential response for Random VariablesFor Listing p
*
* 0
pp
ppy u u y
Same Color Circled points have equal probability,for different listings.
80
Bayesian Model- Exchangeable Prior Populations N=3
The Data
, 2Daisy x
, 10Rose x
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior
Consider the Data:
; 1,...,s
x s n
A set
Points in the Prior are vectors
81
Bayesian Model- Exchangeable Prior Populations N=3
The Data- Represent as a set of Vectors
; 1,...,s
x s n
Define: 1
2I s
n
x
xx
x
x
1
20I s
n
λ
and
kv n nto be an permutation matrix, k=1,…,n!
and 1 nv I
Also:0Ik k Iλ v λ
Ik k Ix v x
, ; 1,..., !Ik Ik k n λ x
Finally, define1
1 n
x ss
xn
22
1
1
1
n
x s xs
xn
A set
A set of vectors
82
Bayesian Model- Exchangeable Prior Populations N=3
The Data
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior , ; 1,..., !Ik Ik k n λ x
if*, 0h hp
for each ,
hh
L L
L x y
Sample subjects must be in the population
Latent Value for the subject in the sample must equal that in the population
For each
Define: 1 if
0 otherwiseh
hd
83
Bayesian Model- Exchangeable Prior Populations N=3
The Data
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior
Rosey
Daisyy Rosey
Daisyy
, ; 1,..., !Ik Ik k n λ x
Rosey
Daisyy1 11 ; Rose
I IDaisy
xRosek
xDaisy
λ x
Rosey
Daisyy2 22 ; DaisyI I
Rose
xDaisyk
xRose
λ x
84
Bayesian Model- Exchangeable Prior Populations N=3
The Data
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior
Rosey
Daisyy Rosey
Daisyy
, ; 1,..., !Ik Ik k n λ x
Rosey
Daisyy1 11 ; Rose
DaiI
syI
xRose
xDak
isy
λ x
Rosey
Daisyy2 22 ; DaisyI I
Rose
xDaisyk
xRose
λ x
Lilyy
Daisyy Rosey RoseyLilyy LilyyDaisyy
Rosey
LilyyRosey
Lilyy Lilyy
Lilyy
Rosey
Daisyy
DaisyyRosey
Daisyy
Daisyy
85
Bayesian Model- Exchangeable Prior Populations N=3
The Data
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior
, Rosey
DaisyyRosey
Daisyy , ; 1,..., !Ik Ik k n λ x
Daisyy RoseyDaisyyLilyy
RoseyLilyy
Lilyy
Rosey Daisyy
Lilyy
LilyyRosey
Daisyy
Rosey
Daisyy
Lilyy
Daisyy
Rosey
* *
* *
* * ;
pp pp
pp pphI hI
h hpp pp
hII hII
λ yλ y
λ y
h When
*
* for some
pp
hI Ik
pp
hI Ik
k
λ λ
y x
86
Bayesian Model- Exchangeable Prior Populations
The Data- Match Orders: Data and Prior ListingPrior Data
, ; 1,..., !Ik Ik k n λ x
*
*
*
pp
pp hI
h pp
hII
yy
y
*
*
*
pp
pp hI
h pp
hII
λλ
λ
Subjects MustMatch
Use this order to determine the Prior listing corresponding to p=1 for h
implying that
Define a data initial order for the subjectsin the data (k=1), and their values as:
0Iλ
where 1 1 0I Iλ v λ
and 1 nv I
11 0
0
1
h h
I
NhII
λ u λ
λI
λ
Note: This is possible since we do this only when h
Ixand
87
Bayesian Model- Exchangeable Prior Populations
The Data- NotationPrior Data
, ; 1,..., !Ik Ik k n λ x
*
*
*
pp
pp hI
h pp
hII
yy
y
*
*
*
pp
pp hI
h pp
hII
λλ
λ
Subjects MustMatch
Since
1 0I Iλ λ
01
1
I
hhII
λλ
λ
1
1
1
hI
h
hII
yy
y
0 p
h p hλ u λ
*
* 0 pp
h p hpy u u y
0 p
h p hy u y
*
* 0 pp
h p hpλ u u λ
If subjects in the data are part of population h, h
and hence
11
I
hhII
xy
y
1
1
1
hI
h
hII
yy
yIx
88
Bayesian Model- Exchangeable Prior Populations
The Data- NotationPrior Data
, ; 1,..., !Ik Ik k n λ x
*
*
*
pp
pp hI
h pp
hII
yy
y
*
*
*
pp
pp hI
h pp
hII
λλ
λ
Subjects MustMatch
Initial order for the subjectsin the data:
0Iλ 0
10
I
hhII
λλ
λ
Initial order for the subjectsin the prior for population h:
*
* 0
pp
h p hpλ u u λ
*
*
**
0
1
ppIp IhI
Ip IIppp
IIp hIIhII
u λλu u
u λλ
Now
implying that
n NN n
so that *
* *
10
pp
hI Ip I IIp hIIIp Ip λ u u λ u u λ
Subjects in the data
89
Bayesian Model- Exchangeable Prior Populations
The Data- NotationPrior Data
, ; 1,..., !Ik Ik k n λ x
*
*
*
pp
pp hI
h pp
hII
yy
y
*
*
*
pp
pp hI
h pp
hII
λλ
λ
Subjects MustMatch
0Iλ *
* *
10
pp
hI Ip I IIp hIIIp Ip λ u u λ u u λ
Subjects in the data
0Ik k Iλ v λ
For Subjects to match,
Must be equal
* for some 1,..., !Ip kIpk n u u v
Only points in the prior where this is true are in the posterior
Subjects in the data
90
Bayesian Model- Exchangeable Prior Populations
The Posterior- NotationPrior Data
, ; 1,..., !Ik Ik k n λ x
*
*
*
pp
pp hI
h pp
hII
yy
y
*
*
*
pp
pp hI
h pp
hII
λλ
λ
Subjects MustMatch
*
* *
10
pp
hI Ip I IIp hIIIp Ip λ u u λ u u λ
0Ik k Iλ v λ
Requires * for some 1,..., !Ip kIpk n u u v
Let#k correspond to the k where * # IpIp k
u u v
Now *
*
*
* *#
* * *
Ip
p Ip IIppIIp
Ip IIpIp Ip k
Ip IIpIIp IIp k
uu u u u
u
u u u u v 0
u u u u 0 w
Points are in posterior ifand
h
#
*
*
kpp
k
v 0u u
0 w
91
Bayesian Model- Exchangeable Prior Populations
The Posterior- Simplified NotationPoints are in posterior if h *
*
k
ppk
v 0u u
0 wand
Let
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w defined over all points
*
* 0
pp
h p hpy u u y
This is an indicator variable for points in the posterior distribution
Consider the Example with N=3
92
Bayesian Model- Exchangeable Prior Populations N=3
Simpler Notation
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Posterior
Rosey
Daisyy Rosey
Daisyy
, ; 1,..., !Ik Ik k n λ x
Rosey
Daisyy1 11 ; Rose
I IDaisy
xRosek
xDaisy
λ x
Rosey
Daisyy2 22 ; DaisyI I
Rose
xDaisyk
xRose
λ x
Points are in posterior if
andh
*
*
k
ppk
v 0u u
0 w
93
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points (given h)
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
*
*
*
pp
pp hI
h pp
hII
yy
y
Must Match
Rosey
Daisyy
Rosey
Daisyy
1 1; Rose
I IDaisy
xRose
xDaisy
λ x
2 2; DaisyI I
Rose
xDaisy
xRose
λ x
Data
1k
2k
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Prior Points are in posterior if
andh
*
*
k
ppk
v 0u u
0 w
94
Bayesian Model- Exchangeable Prior Populations N=3
Simpler Notation for Posterior Points
Listings
Points in Posterior Distribution
* * * * * *
12 15
21 23
34 36
44 46
51 53
62 65
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y
y y
y y
y y
y y
y y
Rosey
Daisyy
Rosey
Daisyy
*
*
*
pp
pp hI
h pp
hII
yy
y
DataWe want to definea notation that willmake it easy to represent the pointsin the posterior.
1k
2k
Points are in posterior if
andh
*
*
k
ppk
v 0u u
0 w
95
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Rosey
Daisyy
Rosey
Daisyy
*
*
*
pp
pp hI
h pp
hII
yy
y
Data
1k
2k
For each point *pp **
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
Define
32 32 3211 12 1, !
32 32 3221 21 2, !
32 32 32!,1 !,1 !, !
N n
N n
n n n N n
PriorPoints are in posterior if
andh
*
*
k
ppk
v 0u u
0 w
96
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Rosey
Daisyy
Rosey
Daisyy
*
*
*
pp
pp hI
h pp
hII
yy
y
Data
1k
2k
For each point *pp **
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1111
1121
0
0
since 2
1
n
N n
When 1p
Prior Points are in posterior if
andh
*
*
k
ppk
v 0u u
0 w
97
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
For each point *pp **
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
*
*
1
11
1
21
p
p
1211
1221
1
0
0
0
when 1p
Rosey
Daisyy
1k
98
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1
0
1311
1321
0
0
0
0
*
*
1
11
1
21
p
p
For each point *pp
when 1p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
99
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1511
1521
0
1
1
0
0
0
0
0
0
0
*
*
1
11
1
21
p
p
For each point *pp
when 1p
Rosey
Daisyy2k
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
100
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1
0
0
0
0
0
0
0
*
*
1
11
1
21
p
p
0
1
0
0
* *
*
!!1 1
1 1
N nnp p
mtkkm t
For each point *pp
when 1p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
since 2
1
n
N n
0 1 000 11p
101
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
1
0
0
0
0
0
0
0
*
*
2
11
2
21
p
p
0
1
0
0
* *
*
!!2 2
1 1
N nnp p
mtkkm t
For each point *pp
when 2p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
01 00 012p
102
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
1
0
0
0
0
0
0
0
*
*
2
11
2
21
p
p
0
1
0
0
* *
*
!!3 3
1 1
N nnp p
mtkkm t
For each point *pp
when 3p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
0 100 0 13p
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
103
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
* *
*
!!
1 1
N nnpp pp
mtkkm t
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
Rosey
Daisyy
1k
Rosey
Daisyy2k
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Prior
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
104
Bayesian Model- Exchangeable Prior Populations N=3
Simpler Notation for Posterior Points
Listings
Latent Value Vectors for permutations of listing
** * * * * *
11
12 1511 21
21 2311 21
34 3611 21
44 4621 11
51 5321 11
62 6521 11
1 1 2 3 4 5 6
1 0 1 0 0 1 0
2 1 0 1 0 0 0
3 0 0 0 1 0 1
4 0 0 0 1 0 1
5 1 0 1 0 0 0
6 0 1 0 0 1 0
ppp p p p p p
p
p
p
p
p
p
* *
*
!!
1 1
N nnpp pp
mtkkm t
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Prior
105
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
* *
*
!!
1 1
N nn
pp pp
mt hhkkm t
y y
Listings
Latent Value Vectors for permutations of listingPrior
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 2 3 4 5 6
1
2
3
4
5
6
p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
106
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Prior Probability given h and p
Listings
Prior Probability of Latent Value Vectors for permutations of listing
* * * * * *
1 1 1 1 1 11 2 3 4 5 6
2 2 2 2 2 21 2 3 4 5 6
3 3 3 3 3 31 2 3 4 5 6
4 4 4 4 4 41 2 3 4 5 6
5 5 5 5 5 51 2 3 4 5 6
6 6 6 6 6 61 2 3 4 5 6
1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p p p p p p p
p p p p p p p
p p p p p p p
p p p p p p p
p p p p p p p
p p p p p p p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Prior
Probability
given h
*
*|pp ph p
P h p Y yh
When
107
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Prior Probability for Points in the Posterior given h and p
Listings
Prior Probability of Latent Value Vectors for permutations of listing that will be in Posterior
* * * * * *
* *11 21
* *11 21
* *11 21* *21 11
* *21 11
* *21 11
1 2 3 4 5 6
1 0 0 0 0
2 0 0 0 0
3 0 0 0 0
4 0 0 0 0
5 0 0 0 0
6 0 0 0 0
h p p p p p p
p p p
p p p
p p p
p p p
p p p
p p p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
*
*
*|pp
h kkP h p Y y
*
* *
!!*
1 1
N nn
pp pmtkk p
m t
p p
Prior
Probability
given h if in
Posterior
h When
Note: Doesn’t depend onp since the probability isequal for the same pointin each p. This is due tothe assumption of exchangeability.
108
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Prior Probability for Points in the Posterior given h and p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
*
*
*|pp
h kkP h p Y y
*
* *
!!*
1 1
N nn
pp pmtkk p
m t
p p
Prior
Probability
given h if in
Posterior
h When
We assume
*
*1 for all 1,..., !
!p
pp p N
N
Then
*
**
*
*
1 if 1
| !0 otherwise
pppp
kkh kk
P h p N
Y y
109
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Prior Probability for Points in the Posterior given h and p
Listings
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Prior
Probability
given h if in
Posterior
h When
*
**
*
*
1 if 1
| !0 otherwise
pppp
kkh kk
P h p N
Y y
Prior Probability of Latent Value Vectors for permutations of listing that will be in Posterior
* * * * * *1 2 3 4 5 6 Total
! !1 11 0 0 0 0
! ! !! !1 1
2 0 0 0 0! ! !
! !1 13 0 0 0 0
! ! !! !1 1
4 0 0 0 0! ! !
! !1 15 0 0 0 0
! ! !! !
1 1 !6 0 0 0 0! ! !
h p p p p p p
n N np
N N Nn N n
pN N N
n N np
N N Nn N n
pN N N
n N np
N N Nn N n
NpN N N
110
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Probability given h and p
Listings
Posterior Probability of Latent Value Vectors for permutations of listing given h
* * * * * *
11 21
11 21
11 21
21 11
21 11
21 11
1 2 3 4 5 6
1 1
2 1
3 1
4 1
5 1
6 1
h p p p p p p Total
p p p
p p p
p p p
p p p
p p p
p p p
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
*
*
*
*
*
!!*
1 1
kkN nkk n
kkk k
pp
p
Posterior
Probability
given h
*
*
1| ,
! !
pp
h kkP h p
n N n
Y y
h When
111
Bayesian Model- Exchangeable Prior Populations N=3
Notation for Posterior Points
Listings
Latent Value Vectors for posterior Given h
* * * * * *
11 21
11 21
11 21
21 11
21 11
21 11
1 2 3 4 5 6
1
2
3
4
5
6
h h
h h
h h
h h
h h
h h
h p p p p p p
p
p
p
p
p
p
y y
y y
y y
y y
y y
y y
**
**
1 if
0 otherwise
kpp pp
kkk
v 0u u
0 w
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
*
* *
!!11
1 1
N nn
pp
mt p hhkk pm t
y u u y
Points in the
Posterior
given h
*
*
*
0
1
0
1
Ik
hkkhIIk
k I
hIIk
xv 0y
0 w y
v x
w y
For Posterior Points:
h When
0111
I
hhII
xy
y
112
Bayesian Model- Exchangeable Prior Populations N=3
Posterior
Points with
Positive Prob
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
When
Listings
Latent Value Vectors for posterior Given h
* * * * * *
11 21
11 21
11 21
21 11
21 11
21 11
1 2 3 4 5 6
1
2
3
4
5
6
h h
h h
h h
h h
h h
h h
h p p p p p p
p
p
p
p
p
p
y y
y y
y y
y y
y y
y y
h
1
2
3
,
? , ?
ph
pphh
ph
Y
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
*
*
0
1
k I
hkkhIIk
v xy
w y
113
Bayesian Model- Exchangeable Prior Populations N=3
Posterior
Points with
Positive Prob
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
h When
* *
* *
11 21
11 21
11 21
11 21
11 21
11 21
1 1 1 1
1
2
3
4
5
6
p ph hhkk hkk
h
Given P P
k kh k k
p p p
p p p
p p p
p p p
p p p
p p p
Y y Y y
Listings
* *
* *
11 21
11 21
11 21
11 21
11 21
11 21
1 2
1 1
1
2
3
4
5
6
p ph hhkk hkk
h h
h h
h h
h h
h h
h h
h k k
k k
p
p
p
p
p
p
Y y Y y
y y
y y
y y
y y
y y
y y
*
*
0
1
k I
hkkhIIk
v xy
w y
1
2
3
,
? , ?
ph
pphh
ph
Y
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
114
Bayesian Model- Exchangeable Prior Populations N=3
Posterior
Points with
Positive Prob
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Any Listing where h *
11 21
|
ph hhkk
h P
p p
Y y
*
*
0
1
k I
hkkhIIk
v xy
w y
1
2
3
,
? , ?
ph
pphh
ph
Y
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
*
1 0 2 0
1 111 211 1
ph hkk
I I
h hhII hII
h
h
Y y
v x v xy y
w y w y
* *
1| ,
! !p
h hkk kkP h p
n N n
Y y
115
Bayesian Model- Exchangeable Prior Populations N=3
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Any Listing where h * *
11 21
|
ph hhkk kk
h P p
p p
Y y
Often, * *kkk kp p p
implying that the probability of a permutation of the data is independentof a permutation of the remainderwhere
Define 0,
1 if with probability
0 otherwise I k I k
I k
pI
Y v x
* *
*
1
,
1 if with probability
0 otherwise
hII hIIk kII k
pI
Y w y
*
*
* ** ***
! !!
, 0, 0,11 1
!!!11
, ,,11 1
N n nn
I k k II k k III kkk kI
N nN nnhII
hIII k hII II k kII k kkk k
II I
II I
v xv xY
Yw yw y
*
*
!
1
!
1
1 and
1
n
kk
N n
kk
p
p
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
*
1 0 2 0
1 111 211 1
ph hkk
I I
h hhII hII
h
h
Y y
v x v xy y
w y w yDoesn’t depend on h
116
Bayesian Model- Exchangeable Prior Populations N=3the Posterior Random Variables
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
and * *kkk kp p p
* *
*
!
, 01
!1
,1
n
I k k IkI
N nhII
hIIII k kk
I
I
v xY
Yw y
0
1
IIph
hII hII
VxYY
Y Wy
then
* *
*
!
,1
N n
II k kk
I
W w!
,1
n
I k kk
I
V v
Any Listing where h
* *
1| ,
! !p
h hkk kkP h p
n N n
Y y
Recall that
When, 1
!kp n *
1
!kp
N n
Independent, random permutation matrices
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
117
Bayesian Model- Exchangeable Prior Populations N=3Posterior Distribution-Accounting for Populations
Posterior
Points with
Positive Prob
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Any Listing where *
1 111 121
2 211 221
3
4
5 511 521
11 21
I
hkkhII
H H H
h
Yy
Y
y y
y y
y y
y y
*
1 1 11 1 21
2 2 11 2 11
3
4
5 5 11 5 11
11 11
0 0
0 0
I
hkkhII
H H H
h P
p p p p
p p p p
p p p p
p p p p
Yy
Y
Any Listing where h
0
1
II
hII hII
VxY
Y Wy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
1 if
0 otherwiseh
hd
* | 1hH h d
Define
populations thatinclude the data
118
Bayesian Model- Exchangeable Prior Populations N=3Posterior Distribution-Accounting for Populations
Posterior
Points with
Positive Prob
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
Define
*
1 1 1 11 1 21
2 2 2 11 2 11
3
4
5 5 5 11 5 11
11 11
0 0 0
0 0 0
Ih hkk
hII
H H H H
p h P
p p p p p
p p p p p
p p p p p
p p p p p
Yy
Y
Any Listing where h
0
1
II
hII hII
VxY
Y Wy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
1 if with probability
0 otherwise h h
h
pI
where
*
hh
hh H
pp
p
119
Bayesian Model- Exchangeable Prior Populations N=3 Posterior Distribution-Accounting for Populations
Points in Posterior Distribution
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
1
1
1
1
H
h hh
HI
hh hII
H
h Ih
H
h hIIh
I
I
I
I
Y Y
Y
Y
Y
Y
* *
1 111 121
2 211 221
3
4
5 511 521
11 21
1 2
1 1
H H H
k kh
k k
y y
y y
y y
y y
* *
1 1 1 11 1 21
2 2 2 11 2 11
3
4
5 5 5 11 5 11
11 11
1 2
1 1
0 0 0
0 0 0
h
H H H H
k kp h
k k
p p p p p
p p p p p
p p p p p
p p p p p
120
Bayesian Model- Exchangeable Prior Populations N=3 Posterior Distribution-Accounting for Populations
Points in Posterior Distribution
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
since
where
1
1
H
h Ih I
HII
h hIIh
I
I
YY
YY
Y
1
1H
hh
I
1
H
II h hIIh
I
Y Y
121
Bayesian Model- Exchangeable Prior Populations N=3 Expected Value of Posterior Random Variables
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
Assume permutations of subjects in listing p are equally likely: * *kkk k
p p p
*
0
1
II
h hIIIIh H
I
VxY
WyY
*
*
**
0
1|
0
1
1
1
II
II h hIIh H
n n I
h N n N n hIIh H
x n x n
h hII N nh hII N nh Hh H
E
EE I E
n
E IN n
pE I
V xY
Y Wy
1 1 x
1 1 y
1 1
11
122
Bayesian Model- Exchangeable Prior Populations N=3 Variance of Posterior Random Variables
1 2 H
* * * * * *
11 12 13 14 15 16
21 22 23 24 25 26
31 32 33 34 35 36
41 42 43 44 45 46
51 52 53 54 55 56
61 62 63 64 65 66
1 1 2 3 4 5 6
1
2
3
4
5
6
h p p p p p p
p
p
p
p
p
p
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
y y y y y y
Prior
Data
Rosey
Daisyy Rosey
Daisyy
,
? , ?
I
ph
hII
Y
Y
Y
Rosey
Daisyy Rosey
Daisyy
Assume permutations of subjects in listing p are equally likely: * *kkk k
p p p
*
0
1
II
h hIIIIh H
I
VxY
WyY
*
x nI
h hII N nIIh H
Ep
1Y
1Y
*
2
2varx n n N n
I
N n n h hII N nIIh H
p
P 0 0Y
0 0 PY
The mean of random variables for the data is the mean for the data.Random variables representing the data are independent of the remainder.The distribution of random variables for the data is a random permutation distribution
123
Exchangeable Prior Bayesian ModelAn Example: H=3, N=3, n=2
Populations
?
DataPrior Posterior
# Prior Populations: H
;
1,...,s
x
s n
1 2
1 2
1 2
1 2
H
H
H
H
L L L
p p p
1
2
3
,10 , ,5 , ,3
,10 , ,5 , ,6
,10 , ,2 , ,12
Rose Lily Daisy
Rose Lily Daisy
Rose Daisy Violet
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
124
Exchangeable Prior Bayesian Model- Example #1: H=3, N=3, n=2
Populations
?
Data
PriorPosterior
;
1,...,s
x
s n
1
2
3
,10 , ,5 , ,3
,10 , ,5 , ,6
,10 , ,2 , ,12
Rose Lily Daisy
Rose Lily Daisy
Rose Daisy Violet
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
125
Exchangeable Prior Bayesian Model- Example #1: H=3, N=3, n=2
Populations
Data
Prior
Posterior
;
1,...,s
x
s n
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
Prior
126
Exchangeable Prior Bayesian Model- Example #1: H=3, N=3, n=2
Populations
Data
Prior
Posterior
;
1,...,s
x
s n
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 5
Suppose the Data is
Prior
127
Exchangeable Prior Bayesian Model- Example #1: H=3, N=3, n=2
Populations
Data
Prior
Posterior
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 5
Prior
128
Exchangeable Prior Bayesian Model-An Example: H=3, N=3, n=2
Populations
Data
PriorPosterior
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
, 10 5
10 5 6 10 122
1 2
1 2
* *1 2
, , , ,
6 7
0.2 0.6
0.8 0.8p p
10 5 3 10 5 6
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
PosteriorPrior
1
2
6
7
1
2
0.25
0.75
p
p
129
Exchangeable Prior Bayesian Model- Example 2. H=3, N=3, n=2
Populations
Data
Prior
Posterior
;
1,...,s
x
s n
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 12
Suppose the Data is
Prior
130
Exchangeable Prior Bayesian Model: Example 2. H=3, N=3, n=2
Populations
Data
Prior
Posterior
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 12
Prior Posterior
131
Example 2: Exchangeable Prior Bayesian Model: H=3, N=3, n=2
Populations
Data
Prior
Posterior
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 12
Prior Posterior
132
Exchangeable Prior Bayesian Model Example 3. H=3, N=3, n=2
Populations
Data
Prior
Posterior
;
1,...,s
x
s n
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
10 5 6 10 122
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 3 10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
, 10 12
Suppose the Data is
Prior
133
Exchangeable Prior Bayesian Model Example 3. H=3, N=3, n=2
Posterior
1
2
3
10 5 6 , ,
10 122 , ,
, , 10 5 3
31 2
31 2
31 2
, , , , , ,
86 7
?? ? pp p
10 5 6 10 122
1
2
3
6
7
8
1
2
3
0.2
0.6
0.2
p
p
p
Prior
Populations
Data
Prior
10 5 3 31 2
31 2
31 2
, , , , , ,
86 7
0.20.2 0.6 pp p
, 10
10 5 6 10 122
12
10 5 3