利用事後分配的馬可夫鏈樣本來估計邊際密度函數與貝氏因子
Other Title
Using Markov Chains to Estimate Marginal Distributions and Bayes factor
Date Issued
1999-07-31
Date
1999-07-31
Author(s)
DOI
882118M002007
Abstract
貝氏因子(Bayes factor) 是貝氏統計方法中對於推論假設檢定(hypothesis testing)所用的一個
統計量。它的定義可以表成兩個資料的邊際機率(marginal probability of data)的比值。然而，
貝氏因子的計算在實際應用上卻常常遇到困難。在過去要解決這個問題常使用Laplace
method ；現在，拜電腦(軟硬體)快速發展所賜，則常使用Markov chain Monte Carlo (MCMC)
的方法。不過，直接運用MCMC 的方法只能提供我們有興趣之隨機變數(parameter of interest)
的事後樣本(posterior sample)，並不能直接得到貝氏因子的值。解決方法一是善加運用事後
機率樣本，直接估計在每一個模式下資料的邊際機率。簡單的說，我希望能夠找到事後樣
本中的某個值(如mode 或mean )，以及在該點的機率密度函數值，然後再估計資料的邊際
機率與貝氏因子。這個方法只是眾多貝氏因子估計值中的一個；但是，它提供另外一個簡
單好算的選擇。
Subjects
Bayes factor
Laplace-Metropolis
MCMC
Random effect
Publisher
臺北市：國立臺灣大學公共衛生學院流行病學研究所
Type
report
File(s)![Thumbnail Image]()
Loading...
Name
882118M002007.pdf
Size
33.69 KB
Format
Adobe PDF
Checksum
(MD5):d22b98b203a1dbde988cd62bab75e033