半模块推断中预序可加损失函数的有效信念更新
统计方法学
2022-01-25 v1
摘要
基于模型的贝叶斯证据组合会得到具有多个参数模块的模型。在此设定下，某一模块的模型误设效应在某些情况下可通过切断来自误设模块的信息流来改善。半模块推断(SMI)是一个允许部分切断的框架，它调节而非完全切断模块间的信息流。我们证明SMI属于一类实现部分切断的推断过程。已有研究表明，可加损失确定了一个最优、有效且顺序一致的信念更新。Cut模型和SMI中产生的损失并非可加。然而，如同预序评分函数，它们具有我们定义的一种预序可加性。我们证明，预序可加性足以确定最优的有效且顺序一致的信念更新，且该信念更新与我们每一种SMI方案中的信念更新一致。
引用
@article{arxiv.2201.09706,
title = {Valid belief updates for prequentially additive loss functions arising in Semi-Modular Inference},
author = {Geoff K. Nicholls and Jeong Eun Lee and Chieh-Hsi Wu and Chris U. Carmona},
journal= {arXiv preprint arXiv:2201.09706},
year = {2022}
}
备注
39 pages including supplement, 6 figures