1. 한계 가능성과 고조파 평균 추정기
한계 우도 사후 분포의 정규화 상수로 정의
p(x)=∫Θp(x|θ)p(θ)dθ.
이 수량의 중요성은 Bayes factor 를 통한 모델 비교 에서 중요한 역할을합니다 .
이 양을 근사하기위한 몇 가지 방법 이 제안되었습니다. Raftery et al. (2007) 은 단순성으로 인해 빠르게 인기를 얻은 고조파 평균 추정기를 제안합니다 . 아이디어는 관계를 사용하여 구성됩니다
1p(x)=∫Θp(θ|x)p(x|θ)dθ.
따라서 과 같은 이 이 수량은 다음과 같이 근사 할 수 있습니다.(θ1,...,θN)
1p(x)≈1N∑j=1N1p(x|θj).
이 근사값은 중요도 샘플링 개념과 관련이 있습니다 .
Neal의 블로그 에서 논의한 바와 같이, 다수의 법칙에 따르면이 추정치는 일관성이 있습니다. 문제는 좋은 근사화에 필요한 이 클 수 있다는 것입니다. 몇 가지 예는 Neal의 블로그 또는 Robert의 블로그 1 , 2 , 3 , 4 를 참조하십시오 .N
대안
근사에 대한 많은 대안이 있습니다 . Chopin and Robert (2008) 는 몇 가지 중요도 샘플링 기반 방법을 제시합니다.p(x)
2. MCMC 샘플러를 충분히 오래 작동하지 않음 (특히 다중 모드가있는 경우)
멘 및 페나 - 레즈 (1999) 추론 전 / 후방 참조 개의 통상의 수단에 대한 비율과 실제 데이터 세트를 이용하여이 모델을 얻은 추정의 예를 제시한다. MCMC 방법을 사용하여 아래에 표시된 평균 비율의 크기가 인 표본을 얻습니다.2000φ
대한 HPD 간격을 . 사후 분포의 표현을 분석 한 후, 특이점이 있고 사후가 실제로 다음과 같아야 한다는 것을 쉽게 알 수 있습니다 (단수는 )φ (0.63,5.29)00
MCMC 샘플러를 충분히 오래 실행하거나 적응 형 방법을 사용하는 경우에만 감지 할 수 있습니다. 이러한 방법 중 하나를 사용하여 얻은 HPD 는 이미 보고 된 대로 입니다. HPD 간격의 길이가 크게 증가하여 길이가 빈번한 / 고전적인 방법 과 비교 될 때 중요한 의미를 갖습니다 .(0,7.25)
3. Gelman, Carlin 및 Neal 은이 논의 에서 수렴 평가, 시작 값 선택, 체인의 열악한 동작과 같은 다른 문제를 찾을 수 있습니다 .
4. 중요도 샘플링
g
I=∫f(x)dx=∫f(x)g(x)g(x)dx.
g(x1,...,xN)I
I≈1N∑j=1Nf(xj)g(xj).
가능한 문제는 에 보다 / 무거운 꼬리가 있거나 좋은 근사화에 필요한 클 수 있다는 것입니다. R의 다음 장난감 예를 참조하십시오.gfN
# Integrating a Student's t with 1 d.f. using a normal importance function
x1 = rnorm(10000000) # N=10,000,000
mean(dt(x1,df=1)/dnorm(x1))
# Now using a Student's t with 2 d.f. function
x2 = rt(1000,df=2)
mean(dt(x2,df=1)/dt(x2,df=2))