布莱德利·P·卡林。;悉达多·奇布 通过马尔可夫链蒙特卡罗方法选择贝叶斯模型。 (英语) Zbl 0827.62027号 J.R.Stat.Soc.,塞尔维亚。B类 57,第3号,473-484(1995年). 摘要:马尔可夫链蒙特卡罗(MCMC)集成方法能够拟合几乎无限复杂度的模型,因此对贝叶斯数据分析的实践产生了革命性的影响。然而,由于违反了足以确保马尔可夫链收敛的条件,模型之间的比较可能不会以完全类似的方式进行。我们提出了一个贝叶斯模型选择框架,以及一个不存在收敛困难的MCMC算法。我们的算法同样适用于只考虑一个模型但一开始就不知道其大小的问题,例如涉及整值参数、多个变点或有限混合分布的问题。我们用两个已发布的示例来说明我们的方法。 引用于1审查引用于131文件 MSC公司: 2015年1月62日 贝叶斯推断 65C99个 概率方法,随机微分方程 关键词:马尔可夫链蒙特卡罗积分;贝叶斯因子;有限混合模型;吉布斯采样器;不同尺寸的模型;多变化点模型;非嵌套模型;汇聚;贝叶斯模型选择;MCMC算法;整值参数 PDF格式BibTeX公司 XML格式引用 \textit{B.P.Carlin}和\textit{S.Chib},J.R.Stat.Soc.,Ser。B 57,编号3,473--484(1995;Zbl 0827.62027)