BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Biskup Dariusz (Akademia Ekonomiczna we Wrocławiu)
Tytuł
Bayesowska procedura wyboru liczby składników mieszanki rozkładów
Bayesian Procedure for Number of Components Choice in a Mixture of Distributions
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria (20), 2008, nr 1195, s. 41-55, wykr., bibliogr. 6 poz.
Tytuł własny numeru
Zastosowania metod ilościowych
Słowa kluczowe
Ekonometria, Modelowanie ekonometryczne, Analiza ekonometryczna, Wnioskowanie bayesowskie, Teoria prawdopodobieństwa, Estymacja
Econometrics, Econometric modeling, Econometric analysis, Bayesian inference, Probability theory, Estimation
Uwagi
summ.
Abstrakt
W opracowaniu opisana zostanie bayesowska procedura wyboru liczby składników mieszanek. Opiera się ona na procedurach wyboru modelu, których numeryczna implementacja wykorzystuje algorytm Reversible Jump Markov Chain Monte Carlo (RJMCMC). Bayenowskie procedury wyboru modelu zakładają, że model jest traktowany jako nieznany parametr, dla którego można określić rozkład prawdopodobieństwa. Model, a w opisywanym zagadnieniu liczba składników mieszanki rozkładów, wybierany jest według kryterium największego prawdopodobieństwa a posteriori. (fragment wstępu)

The paper describes the Bayesian procedure for the selection of the number of components in a mixture. The numerical implementation involves the Reversible Jump Markov Chain Monte Carlo algorithm (RJMCMC). The Bayesian approach assumes that the model is treated as an unknown parameter over which we can assume a probability distribution. The model and in this case, the number of components in a mixture, is selected according to the criterion of the maximum posterior probability. The first part of the paper presents an analytical solution of the problem for the simplified example of a mixture of binomial distributions. Then the RJMCMC algorithm is described and its implementation for the problem of the choice of the number of components for the Poisson mixture. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Dellaportas P., Karlis D., Xekalaki E., Bayesian Analysis of Finite Poisson Mixtures, Technical Report Athens University of Economies and Business, 1997.
  2. Green P., Reversible Jump Markov Chain Monte Carlo Computation and Bayesian Model Determination, "Biometrika" 1995, nr 82, 711-732.
  3. Han C., Carlin B.P., MCMC Methods for Computing Bayes Factors: a Comparative Review, JASA, 96, 1122-1132,2001.
  4. Highly Structured Stochastic Systems, P.J. Green, N. Hjort, S. Richardson (red.), University Press, Oxford 2003.
  5. Robert C.P., Casella G., Monte Carlo Statistical Methods, Second Edition, Springer 2004.
  6. Viallefont V., Richardson S., Green P.J., Bayesian Analysis of Poisson Mixtures, "Journal of Nonparametric Statistics" 2002 vol. 14, iss. 1-2, s. 181-202.
Cytowane przez
Pokaż
ISSN
0324-8445
1507-3866
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu