客观贝叶斯模型选择中的训练样本
统计理论
2007-06-13 v1 统计理论
摘要
若干客观贝叶斯模型选择方法的核心在于使用训练样本(数据的子集),以允许利用不适当的客观先验。选择训练样本最常见的规则是选取尽可能小的样本,前提是能给出适当的后验;这些被称为极小训练样本。当数据在信息内容或对不适当先验的影响方面差异很大时,使用极小训练样本可能不充分。重要的例子包括某些离散数据情形、存在删失观测的情形,以及涉及线性模型与解释变量的某些情形。此类情形需要更精细的选择训练样本的方法。本文发展了多种这样的方法,并成功应用于具有挑战性的情形。
引用
@article{arxiv.math/0406460,
title = {Training samples in objective Bayesian model selection},
author = {James O. Berger and Luis R. Pericchi},
journal= {arXiv preprint arXiv:math/0406460},
year = {2007}
}