有限与无限混合模型中的证据估计及其应用
统计计算
2022-05-12 v1 统计理论
统计理论
摘要
估计模型证据——或数据的边际似然——对于有限和无限混合模型而言是一项 notoriously 困难的任务，我们在此重新考察近期文献中提倡的不同蒙特卡洛技术，以及基于 Geyer (1994) 逆逻辑回归技术、Chib (1995) 算法和序贯蒙特卡洛（SMC）的新方法。应用众多。特别是，检验有限混合模型中成分的数量，或针对给定数据集检验有限混合模型的拟合优度，长期以来且至今仍是一个备受关注的问题，尽管尚缺乏完全令人满意的解决方案。使用贝叶斯因子来寻找有限混合模型中正确的成分数 K 已知可提供一种一致的程序。我们进一步确立了在将参数化有限混合族与非参数“强可识别”狄利克雷过程混合（DPM）模型进行比较时贝叶斯因子的一致性。
引用
@article{arxiv.2205.05416,
title = {Evidence estimation in finite and infinite mixture models and applications},
author = {Adrien Hairault and Christian P. Robert and Judith Rousseau},
journal= {arXiv preprint arXiv:2205.05416},
year = {2022}
}