潛在變量模型貝葉斯檢驗(yàn)的模擬研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩54頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、眾所周知,當(dāng)給參數(shù)指定為非正常先驗(yàn)分布時(shí),使用貝葉斯因子(BF)作假設(shè)檢驗(yàn)并不合適,且在潛在變量模型中,使用貝葉斯因子(BF)的另一問(wèn)題是它難于計(jì)算。Bernardo和Rueda(2002)(BR)建議使用Kullback-Leibler(KL)距離作為連續(xù)損失函數(shù)并得到了一種檢驗(yàn)方法,雖然此方法在非正常先驗(yàn)分布下好用且有若干優(yōu)點(diǎn),但也會(huì)遇到一些實(shí)際問(wèn)題。Li和Yu(2012)(LY)基于EM算法中的Q函數(shù)提出了一種貝葉斯檢驗(yàn)統(tǒng)計(jì)量,此

2、檢驗(yàn)統(tǒng)計(jì)量具有BR所提出方法的一些優(yōu)點(diǎn),但糟糕的是BR與LY的方法都會(huì)遇到門限值的選擇與數(shù)據(jù)和候選模型都無(wú)關(guān)的問(wèn)題。
  基于上面所提到方法的一些缺陷,Li,Zeng和Yu(2013)(LZY)在決策理論的框架下,根據(jù)貝葉斯離差提出了一種新的檢驗(yàn)統(tǒng)計(jì)量,它可視為貝葉斯版本的似然比檢驗(yàn),具有以下三方面的性質(zhì):第一,當(dāng)給參數(shù)指定為非正常先驗(yàn)分布時(shí),它可避免Jeffreys問(wèn)題;第二,它也不會(huì)遇到Jeffreys-Lindley悖論;第

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論