詹姆斯·霍伯特。;乔治·卡塞拉 分层线性混合模型中不正确先验对吉布斯抽样的影响。 （英语） Zbl 0882.62020号 美国统计协会。 91，第436号，1461-1473（1996）。 总结：通常，在分层线性混合模型中，要么由于缺乏先验信息，要么只是为了方便起见，方差分量是用不正确的先验建模的。虽然这些模型的后验分布很少以闭合形式提供，但先前规范的通常共轭结构允许轻松计算Gibbs条件。因此，吉布斯采样器可用于探索后验分布，而无需确定后验的适当性。给出的一个例子表明，吉布斯链对应于一个不适当的后验函数的输出可能看起来完全合理。因此，不能指望吉布斯输出提供“红色平面”，通知用户后部不合适。在使用马尔可夫链蒙特卡罗技术之前，用户必须证明其适当性。给出了一个定理，根据得到的后验函数的性质对不适当的先验函数进行分类。讨论了贝叶斯分析在动物繁殖数据和笨重（受限）似然函数极大值位置确定方面的应用。然后，在更一般的情况下考虑具有不适当后验的吉布斯采样。引入了条件密度函数相容性的概念，并用它构造了一类马尔可夫链的不变测度。这些结果被用来表明，在理论上，与不适当的后验相对应的吉布斯链是相当不好的。 引用于97文件 MSC公司： 2015年1月62日 贝叶斯推断 62J99型 线性推断、回归 62M99型 随机过程推断 关键词：兼容性;功能兼容性;方差分量;马尔科夫蒙特卡洛;动物育种;后牙不合适 PDF格式BibTeX公司 XML格式引用 \textit{J.P.Hobert}和\textit{G.Casella}，J.Am.Stat.Assoc.91，No.436，1461-1473（1996；Zbl 0882.62020） 全文： 内政部 链接