乔治·卡拉巴索斯;斯蒂芬·沃克。 关于归一化最大似然和贝叶斯决策理论。 (英语) Zbl 1194.62008年 数学杂志。精神病。 50,第6号,517-520(2006). 摘要:在最小描述长度原则下,最优预测模型最大化了归一化最大似然(NML)。虽然贝叶斯模型选择方法旨在确定最能描述生成一组数据的(未知)真实分布的模型,但NML模型选择方法并未提及真实分布,这被视为后一种方法的一个显著优势。相反,本文表明,对于效用函数的特定选择,NML方法等价于贝叶斯助推下的贝叶斯模型选择,并具有针对模型复杂性的特定惩罚函数。这一新特征揭示了NML方法的一些统计问题。 引用于2评论引用于6文件 理学硕士: 62C10个 贝叶斯问题;贝叶斯过程的特征 62G05型 非参数估计 关键词:贝叶斯非参数;型号选择 PDF格式BibTeX公司 XML格式引用 \textit{G.卡拉巴索斯}和\textit{S.G.沃克},J.数学。精神病。50,第6号,517--520(2006;Zbl 1194.62008) 全文: 内政部 参考文献: [1] Akaike,H.,信息理论和最大似然原理的扩展,(Petrov,B.;Csaki,F.,第二届信息理论国际研讨会(1973年),基亚多科学院:基亚多科学院布达佩斯)·Zbl 0283.62006号 [2] Bernardo,J.,预期信息作为预期效用,《统计年鉴》,7686-690(1979)·Zbl 0407.62002号 [3] Bernardo,J。;Smith,A.,贝叶斯理论(1994),Wiley:Wiley Chichester,英国·Zbl 0796.6202号 [4] Ferguson,T.,一些非参数问题的贝叶斯分析,《统计年鉴》,1209-230(1973)·Zbl 0255.62037号 [5] Ghosh,J。;Ramamoorthi,R.,贝叶斯非参数(2003),施普林格:施普林格纽约·Zbl 1029.62004号 [6] Grünwald,P.,《MDL简介》,(Grínwall,P.;Myung,J.;Pitt,M.,《最小描述长度的进展:理论与应用》(2005),麻省理工学院出版社:麻省理学院出版社,马萨诸塞州剑桥) [7] Grünwald,P.,MDL教程,(Grünwald,P.;Myung,J.;Pitt,M.,最小描述长度的进展:理论与应用(2005),麻省理工学院出版社:麻省理工学院出版社,马萨诸塞州剑桥) [8] 古铁雷斯-佩尼亚,E。;Walker,S.,《统计决策问题和贝叶斯非参数方法》,《国际统计评论》,73309-330(2005)·Zbl 1105.62006号 [9] 卡丹,J。;Dickey,J.,贝叶斯决策理论和模型简化,(Kmenta,J.;Ramsey,J.,计量经济学模型评估(1980),学术出版社:纽约学术出版社) [10] Karabatsos,G.,贝叶斯非参数模型选择和模型测试,《数学心理学杂志》,50123-148(2006)·Zbl 1099.62005号 [11] Karabatsos,G.和Walker,S.(2006年)。使用贝叶斯非参数进行一致性心理测量建模。审查中。;Karabatsos,G.和Walker,S.(2006年)。使用贝叶斯非参数进行一致性心理测量建模。正在审查中。 [12] Myung,J。;纳瓦罗,D。;Pitt,M.,通过归一化最大似然选择模型,《数学心理学杂志》,50,167-179(2006)·Zbl 1100.94008号 [13] Rissanen,J.,规范化ML模型作为通用代码和数据信息的强最优性,IEEE信息理论汇刊,471712-1717(2001)·Zbl 0999.94016号 [14] Rubin,D.,《贝叶斯自助法》,《统计年鉴》,第9130-134页(1981年) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。