나는 Wagenmakers (2007)를 읽고있다 p 값의 광범위한 문제에 대한 실질적인 해결책 . 저는 BIC 값을 Bayes 요인과 확률로 변환하는 것에 흥미를 느낍니다. 그러나 지금까지 나는 단위 정보 가 정확히 무엇인지에 대해 잘 이해하지 못했습니다 . 나는이 특정 이전의 그림이나 그림을 생성하는 R 코드에 대한 설명에 감사 할 것입니다.
나는 Wagenmakers (2007)를 읽고있다 p 값의 광범위한 문제에 대한 실질적인 해결책 . 저는 BIC 값을 Bayes 요인과 확률로 변환하는 것에 흥미를 느낍니다. 그러나 지금까지 나는 단위 정보 가 정확히 무엇인지에 대해 잘 이해하지 못했습니다 . 나는이 특정 이전의 그림이나 그림을 생성하는 R 코드에 대한 설명에 감사 할 것입니다.
답변:
단위 정보 선행은 MLE에서 평균을 갖는 데이터 의존적 사전 (일반적으로 다변량 정규)이며, 하나의 관측치에 의해 제공된 정보와 동일한 정밀도입니다. 자세한 내용은 이 기술 보고서 또는 이 백서 를 참조하십시오. UIP의 아이디어는 '데이터가 스스로 이야기 할 수 있도록'사전에 제시하는 것입니다. 대부분의 경우 사전을 추가하면 다른 데이터가 '포인팅'되는 위치를 중심으로 한 관측치만큼 후속 분석에 거의 영향을 미치지 않습니다. 주요 용도 중 하나는 BIC의 사용이 큰 샘플에서 Bayes 계수의 사용에 해당 매개 변수의 UIP와 일치 함을 보여주는 것입니다.
많은 통계 학자 (Bayesians 포함)가 많은 응용 문제에 대해 Bayes Factors 및 / 또는 BIC를 사용하는 것이 불편하다는 점도 주목할 가치가 있습니다.
이전의 단위 정보는 다음과 같은 활용 성 해석을 기반으로합니다.