Comunidad SE, espero obtener algunas ideas sobre el siguiente problema. Dado un modelo de regresión lineal simple Bajo una función de probabilidad gaussiana con términos de error homoscedastic, la distribución condicional de la variable dependiente toma la forma Asigno un conjugado condicional (no informativo) antes de \ beta y h \ beta | h \ sim N (0, cI), h \ sim G (s ^ {- 2}, v) fueron c \ rightarrow \ infty, v \ flecha derecha 0 . Es un resultado estándar que la distribución marginal posterior de \ beta es multivariada t con \ beta | D \ sim t_N (\ hat {\ beta}, \ hat {\ Sigma}, T).
E incluso me distrae aún más: supongamos que no estoy realmente interesado en la distribución posterior de sino solo en una combinación lineal donde , y . Podría tomar muestras de esa distribución, aunque su construcción se basa en algo que no está realmente definido (la distribución de ). ¿Hay alguna manera de manejar esto? ¿O hay un error esencial en mi pregunta que hace que mi punto sea obsoleto?