一类低先验信息度的先验分布选择研究
2021-06-23王维
陕西理工大学学报(自然科学版) 2021年3期
王 维
(常州大学 阿里云大数据学院, 江苏 常州 213164)
贝叶斯统计自诞生以来,在许多领域都得到了应用,如多元统计判别分析、计量经济学和地理信息学等[1]。在贝叶斯统计中,如何确定先验分布是一个重要的研究课题,一旦确定了先验分布,剩下的问题几乎都可以通过计算机辅助解决。目前,国内外关于先验分布的研究大致可以分为以下3类:
(1)对先验分布选择标准的探讨。此类研究主要关注在有多个先验分布可供选择的情况下,如何选出最优的先验分布。周巧娟等[2]提出利用似然比检验方法选择先验分布,李勇等[3]提出当参数θ的可选先验族Γ={π:π(θ)为θ的先验},且π(θ)的先验分布为u(π)时,可以选取u(π)下均值对应的先验。
(2)不同先验分布对参数Bayes估计的影响比较。王敏[4]比较了3种不同类型的先验分布对艾拉姆咖分布中参数估计的影响;邸俊鹏等[5]比较了当先验分布为正态分布时,方差的变化对结果的影响。
(3)特定模型中先验分布的确定。Gelman提出了一种确定分层模型先验分布的方法[6],之后又讨论了Logistic回归模型中先验分布的选择[7]。
本文关注的是上述第二类问题的研究。综合分析相关文献,已有研究还存在以下可以改进的方面:
(1)对先验分布的讨论不够细致。如王敏[4]仅讨论了先验分布为伽马分布、共轭先验分布和无信息先验分布的情况,并没有考虑先验分布中参数的变化对结果的影响;邸俊鹏等[5]只考虑了先验分布为正态分布的情况。
(2)研究结果的指导性不强。……
登录APP查看全文
