什么是“单位信息优先权”?


Answers:


6

单位信息先验是与数据相关的先验(通常是多元正态),其均值在MLE处,且精度等于一次观测提供的信息。有关详细信息,请参见此技术报告本文。UIP的想法是先给“让数据说明一切”;在大多数情况下,添加先验可以告诉您一个观察值居中,而其他数据“指向”的位置对后续分析几乎没有影响。它的主要用途之一是表明在大样本中BIC的使用与贝叶斯因子的使用相对应,并且在其参数上具有UIP。

值得一提的是,对于许多应用问题,许多统计学家(包括贝叶斯主义者)对使用贝叶斯因子和/或BIC感到不适。


2
BIC不是贝叶斯工具,因为它消除了先前的影响。作为贝叶斯人,我对贝叶斯因素很满意,但对AIC,BIC或DIC都不满意!
西安

好吧,我从来没有说过!作为贝叶斯人(谁读过谁并且看重贝叶斯选择),如果他们有某种决策理论上的理由,甚至对于近似反映我希望分析实现的实用程序,我都会对其中的任何一种方法感到满意。
来宾

感谢您的答复。我在这里
Matt Albrecht 2012年

2

单位信息先验基于以下对共轭的解释:

设定

  • 普通数据: 与与未知和已知。然后可以通过样本平均值充分总结数据,该样本平均值在根据。Xn=(X1,,Xn)XiN(μ,σ2)μσ2X¯N(μ,σ2n)
  • 正常之前为:μ随着具有相同的方差中的数据。μN(a,σ2)
  • 正常后验:μ使用,其中和。μN(M,v)v=σ2M=1n+1(a+nx¯)v=σ2n+1

解释

因此,在观察数据,我们有一个的后验,集中在观察的凸组合和观察到数据之前的假设上,是。此外,后验的方差然后由,因此,就好像我们有观测值而不是 μ ˉ X一个 σ 2X¯=x¯μx¯a ñ+1ñ ˉ Xσ2n+1n+1n比较了样本均值的抽样分布。注意,采样分布与后验分布不同。尽管如此,后一种看起来像它,使数据可以说明一切。因此,利用单位信息,先验者得到的后验者大多集中在数据,并作为一次性惩罚而朝着先验信息收缩。x¯a

此外,Kass和Wasserman指出,采用上述先验模型可以很好地近似模型选择与 BIC / 2)当大时。中号1μ ∈ [R ÑM0:μ=aM1:μRn

一些说明:

  • BIC基于先验的单位信息来近似贝叶斯因子这一事实,并不意味着我们在构造贝叶斯因子之前就应该使用单位信息。杰弗里斯(Jeffreys,1961)的默认选择是在效果大小上使用柯西(Cauchy)先验,相反,另请参见Ly等。(印刷中)以解释Jeffreys的选择。
  • Kass和Wasserman表明,BIC除以常数(将柯西与正态分布相关)仍然可以用作贝叶斯因子的近似值(这次基于柯西先验,而不是正态)。

参考文献

  • Jeffreys,H.(1961年)。概率论。牛津大学出版社,英国牛津,第3版。
  • 卡斯(R. Kass)和瓦瑟曼(R. Wasserman)(1995)。“嵌套假设的参考贝叶斯检验及其与Schwarz准则的关系”,《美国统计协会杂志》,90,928-934
  • Ly。A.,Verhagen AJ和Wagenmakers,E.-J。(在新闻)。哈罗德·杰弗里斯(Harold Jeffreys)的默认贝叶斯假设检验:心理学的解释,扩展和应用。数学心理学杂志。
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.