我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
标准统计实践忽略了模型的不确定性。数据分析师通常从某些类型的模型中选择一个模型，然后继续进行，就好像所选模型已经生成了数据一样。这种方法忽略了模型选择中的不确定性，导致过度自信的推断和决策，风险比人们想象的要大。贝叶斯模型平均（BMA）为解释这种模型的不确定性提供了一种连贯的机制。最近出现了几种实施BMA的方法。我们讨论了这些方法并给出了一些示例。在这些示例中，BMA提供了改进的样本外预测性能。我们还提供了当前可用的BMA软件目录。
詹妮弗·霍廷（Jennifer A.Hoeting）。 大卫·马迪根。 阿德里安·拉弗瑞。 克里斯·沃林斯基（Chris T.Volinsky）。 “贝叶斯模型平均：教程（M.Clyde、David Draper和E.I.George的评论，以及作者的反驳。” 统计师。科学。 14 (4) 382至417， 1999年11月。 https://doi.org/10.1214/ss/1009212519
