使用变分贝叶斯精确计算边际数据密度
应用统计
2020-05-12 v2 统计计算
摘要
我们提出一种新的边际数据密度估计器（MDDE），其使用变分贝叶斯后验密度作为倒数重要性抽样（RIS）MDDE 的加权密度。这一计算便捷的估计器基于变分贝叶斯后验密度（许多模型均可获得），且仅需从后验分布中抽取模拟样本。它以适中的后验抽样数提供准确估计，具有有限方差，并为 RIS MDDE 类提供了最小方差候选。其倒数是一致、渐近正态分布且无偏的。这些性质在不截断加权密度的情况下获得，而截断对于其他此类估计器是典型做法。我们提出的估计器在偏差与数值标准误方面优于许多现有 MDDE。特别地，我们的 RIS MDDE 一致优于该类中的其他估计器。
引用
@article{arxiv.1805.10036,
title = {Accurate Computation of Marginal Data Densities Using Variational Bayes},
author = {Gholamreza Hajargasht and Tomasz Woźniak},
journal= {arXiv preprint arXiv:1805.10036},
year = {2020}
}