里克·皮卡德;布莱恩·威廉姆斯;布赖恩·韦弗 通过事后抽样估计后验密度的归一化常数。 (英语。英文摘要) Zbl 1462.62040号 J.印度统计协会。 57,第2期,173-204(2019). 摘要:归一化后验密度常数是贝叶斯模型选择和模型平均的核心。尽管多年来备受关注,但估计归一化常数的问题一直没有得到完整而稳健的解决方案。本文将重要性抽样与物理文献中鲜为人知的蒙特卡罗方差缩减技术(称为事后抽样)相结合,以克服不稳定重要性权重的影响,获得更稳健的估计。与更复杂的估算方法相比,这种方法的计算效率较低,因此在标准方法工作良好的简单情况下,它的吸引力较小。但它在许多标准方法失败的情况下取得了成功,允许在涉及高/无限方差估计的情况下进行更好的不确定性量化和有效的统计推断,并且是一个有用的储备工具。 MSC公司: 62-08 统计学相关问题的计算方法 2015年1月62日 贝叶斯推断 关键词:贝叶斯模型平均;贝叶斯模型选择;重要性抽样;无限方差;边际似然 PDF格式BibTeX公司 XML格式引用 \textit{R.Picard}等人,J.Indian Stat.Assoc.57,No.2,173--204(2019;Zbl 1462.62040) 全文: 链接