文献

J-GLOBAL ID：201902217927781042   整理番号：19A1627558

離散Markovモデルを用いた経次元Markov連鎖モンテカルロにおける不確実性の定量化【JST・京大機械翻訳】

Quantifying uncertainty in transdimensional Markov chain Monte Carlo using discrete Markov models

著者 (4件)： Heck Daniel W. (Statistical Modeling in Psychology, University of Mannheim, Mannheim, Germany) ,  Overstall Antony M. (School of Mathematical Sciences and Southampton Statistical Sciences Research Institute, University of Southampton, Southampton, UK) ,  Gronau Quentin F. (Department of Psychology, University of Amsterdam, Amsterdam, The Netherlands) ,  Wagenmakers Eric-Jan (Department of Psychology, University of Amsterdam, Amsterdam, The Netherlands)
資料名： Statistics and Computing  (Statistics and Computing)
巻： 29  号： 4  ページ： 631-643  発行年： 2019年 
JST資料番号： W4969A  ISSN： 0960-3174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Bayes解析は,例えば,モデル選択または混合モデルのように,必要なように異なる次元を持つモデルの評価にしばしば関係する。この評価を容易にするために,経次元Markov連鎖モンテカルロ(MCMC)は,事後モデル確率を推定するために離散的インデクシング変数をサンプリングすることに依存する。しかし,これらの推定の精度にはほとんど注意が払われていない。トランス次元MCMC出力におけるモデルの間にわずかなスイッチしか生じない場合には,精度は低く,独立サンプルの仮定に基づいて評価することができる。ここでは,モデルインデクシング変数の観測された遷移行列に基づいて精度を推定する新しい方法を提案した。一次Markovモデルを仮定して,定常分布の後部からの方法サンプルを検討した。これにより,推定された事後モデル確率,モデルランク,およびBayes因子における不確実性の評価が可能になる。さらに,この方法は,MCMC出力の有効サンプルサイズの推定を提供する。2つのモデル選択例において,提案した手法が推定した事後モデル確率に関連する不確実性の良好な評価を提供することを示した。Copyright 2018 The Author(s) Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *Markov連鎖 ,  *不確実性 ,  *モンテカルロ法 ,  スイッチ
準シソーラス用語： 定常分布 ,  遷移行列 ,  MCMC ,  混合モデル ,  モデル選択 ,  *Markovモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 可逆跳躍mcm ,  製品空間のmcm ,  Bayesモデル選択 ,  事後モデル確率 ,  Bayes因子

分類 (5件)： 進化論一般  (EC03010Q) ,  試験方法と試験  (QG02040O) ,  計算理論  (JB02000A) ,  数値計算  (JE02000J) ,  信頼性  (KB04040H)

タイトルに関連する用語 (6件)： Markovモデル ,  次元 ,  Markov連鎖 ,  モンテカルロ ,  不確実性 ,  定量化