9 BIC根据参数数量进行处罚。如果某些参数是某种二进制指示器变量怎么办?这些算作完整参数吗?但我可以结合米m 二进制参数变成一个离散变量,其值取 { 0 ,1 ,。。。,2米− 1 }{0,1,...,2m−1}。这些算作是米m 参数还是一个参数? bayesian model-selection bic parameterization — 高带宽 source
3 由于BIC中“参数数量”的这种不精确性,部分原因是DIC(偏差信息标准)引入了有效数量的参数作为 pd(x )= E [ D (θ )| x ] − D (E [ θ | x ] )pd(X)=Ë[d(θ)|X]-d(Ë[θ|X]) 哪里 D (θ )= − 2 对数F(x | θ )d(θ)=-2日志F(X|θ) 和 DIC (x )=pd(x )+ E [ D (θ )| X ]迪克(X)=pd(X)+Ë[d(θ)|X] 注意 pd(x )pd(X)然后取决于数据。(正如所讨论的有,DIC也有自己的问题!) — 西安 source 所以我有些困惑。我以为BIC是Ë[ 升Ò 克P(y| 中号Ø de l )] = 日志(∫P(y| θ)P米ø dË 升(θ )dθ )Ë[升ØGP(ÿ|中号ØdË升)]=日志(∫P(ÿ|θ)P米ØdË升(θ)dθ),可以通过MCMC仿真计算得出。为什么我们要计算DIC? — highBandWidth 2012年 1 是的,BIC是边际可能性的近似值。但是,当样本量增长到无穷大时,只有一个近似值收敛到“真相”。因此,它不是直接的贝叶斯方法(一件事不使用先验!),并且与MCMC完全无关(其中近似值是蒙特卡罗类型:如果我增加模拟次数,则近似值会提高)。DIC被许多人(包括B. Carlin和D. Spiegelhatler)视为更具贝叶斯性 — 西安, 我想我的问题是,DIC也是边际模型可能性的近似值吗?我想我应该自己阅读一下,但是由于我们正在讨论它,所以我认为解释一下将使答案更加完整。谢谢! — highBandWidth 2012年