การบัญชีสำหรับพารามิเตอร์ที่ไม่ต่อเนื่องหรือไบนารีในเกณฑ์ข้อมูลเบย์


9

BIC ลงโทษตามจำนวนพารามิเตอร์ เกิดอะไรขึ้นถ้าพารามิเตอร์บางตัวเป็นตัวแปรตัวบ่งชี้ไบนารีบางประเภท นับเป็นพารามิเตอร์แบบเต็มหรือไม่ แต่ผมสามารถรวมพารามิเตอร์ไบนารีในตัวแปรที่ไม่ต่อเนื่องหนึ่งที่จะนำค่าใน\} สิ่งเหล่านี้จะนับเป็นพารามิเตอร์หรือพารามิเตอร์เดียวหรือไม่ม.{0,1,...,2ม.-1}ม.

คำตอบ:


3

ส่วนหนึ่งเป็นเพราะความไม่แน่นอนนี้ใน "จำนวนพารามิเตอร์" ใน BIC ที่ DIC ( เกณฑ์ข้อมูลเบี่ยงเบน ) แนะนำจำนวนพารามิเตอร์ที่มีประสิทธิภาพเป็น

พีD(x)=E[D(θ)|x]-D(E[θ|x])
ที่ไหน
D(θ)=-2เข้าสู่ระบบ(x|θ)
และ
DIC(x)=พีD(x)+E[D(θ)|x]
สังเกตได้ว่า พีD(x)จะขึ้นอยู่กับข้อมูล (ดังที่กล่าวไว้ที่นั่น DIC ก็มีปัญหาของมันเอง!)

ดังนั้นฉันสับสนเล็กน้อย ฉันคิดว่า BIC เป็นการประมาณE[ล.โอก.P(Y|Mโอdอีล.)]=เข้าสู่ระบบ(P(Y|θ)Pม.โอdอีล.(θ)dθ)ซึ่งสามารถคำนวณได้จากการจำลอง MCMC ทำไมเราจะคำนวณ DIC
highBandWidth

1
ใช่ BIC เป็นการประมาณค่าความเป็นไปได้เล็กน้อย อย่างไรก็ตามมันเป็นเพียงการประมาณที่แปรเปลี่ยนเป็น "ความจริง" เมื่อขนาดตัวอย่างเติบโตเป็นไม่สิ้นสุด ดังนั้นจึงไม่ใช่ Bayesian โดยตรง (ไม่ได้ใช้ก่อนหน้านี้สำหรับสิ่งหนึ่ง!) และไม่เกี่ยวข้องกับ MCMC อย่างสมบูรณ์ (โดยที่การประมาณนั้นเป็นประเภท Monte Carlo: ถ้าฉันเพิ่มจำนวนการจำลองการประมาณจะดีขึ้น) หลายคนคิดว่า DIC เป็นชาวเบย์มากขึ้น (รวมถึง B. Carlin และ D. Spiegelhatler)
ซีอาน

ฉันเดาว่าคำถามของฉันคือ DIC เป็นการประมาณค่าความน่าจะเป็นของตัวแบบขอบหรือไม่? ฉันเดาว่าฉันควรอ่านเกี่ยวกับมันด้วยตัวเอง แต่เนื่องจากเรากำลังคุยกันอยู่ฉันคิดว่าการอธิบายสิ่งนี้จะทำให้คำตอบสมบูรณ์ยิ่งขึ้น ขอบคุณ!
highBandWidth
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.