1. Probabilidad marginal y estimador de media armónica
La probabilidad marginal se define como la constante de normalización de la distribución posterior.
p(x)=∫Θp(x|θ)p(θ)dθ.
La importancia de esta cantidad proviene del papel que juega en la comparación de modelos a través de factores de Bayes .
Se han propuesto varios métodos para aproximar esta cantidad. Raftery y col. (2007) proponen el estimador de media armónica , que rápidamente se hizo popular debido a su simplicidad. La idea consiste en utilizar la relación.
1p ( x )= ∫Θp ( θ | x )pags ( x | θ )reθ .
Por lo tanto, si tenemos una muestra de la parte posterior, por ejemplo , esta cantidad se puede aproximar por( θ1, . . ., θnorte)
1p ( x )≈ 1norte∑j = 1norte1p ( x | θj).
Esta aproximación está relacionada con el concepto de muestreo de importancia .
Según la ley de los grandes números, como se discutió en el blog de Neal , tenemos que este estimador es consistente . El problema es que el requerido para una buena aproximación puede ser enorme. Vea el blog de Neal o el blog de Robert 1 , 2 , 3 , 4 para ver algunos ejemplos.norte
Alternativas
Hay muchas alternativas para aproximar . Chopin y Robert (2008) presentan algunos métodos basados en el muestreo de importancia.p ( x )
2. No ejecuta su muestreador MCMC el tiempo suficiente (especialmente en presencia de multimodalidad)
Mendoza y Gutiérrez-Peña (1999) deducen la referencia anterior / posterior para la razón de dos medias normales y presentan un ejemplo de las inferencias obtenidas con este modelo utilizando un conjunto de datos real. Usando métodos MCMC, obtienen una muestra de tamaño de la parte posterior de la relación de medias φ que se muestra a continuación2000φ
φ ( 0.63 , 5.29 )0 00 0
( 0 , 7.25 )
3. En esta discusión , Gelman, Carlin y Neal pueden encontrar otros temas , como la evaluación de la convergencia, la elección de valores iniciales, el mal comportamiento de la cadena .
4. Muestreo de importancia
sol
yo= ∫F( x ) dx = ∫F( x )sol( x )sol( x ) dx .
sol( x1, . . . , xnorte)yo
yo≈ 1norte∑j = 1norteF( xj)sol( xj).
solFnorte
# 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))