- 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
- Analiza ekonometryczna, Estymacja, Ekonometria, Modelowanie ekonometryczne, Teoria prawdopodobieństwa, Wnioskowanie bayesowskie
Econometric analysis, Estimation, Econometrics, Econometric modeling, Probability theory, Bayesian inference - 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 SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu - Pełny tekst
- Pokaż
- Bibliografia
-
- Dellaportas P., Karlis D., Xekalaki E., Bayesian Analysis of Finite Poisson Mixtures, Technical Report Athens University of Economies and Business, 1997.
- Green P., Reversible Jump Markov Chain Monte Carlo Computation and Bayesian Model Determination, "Biometrika" 1995, nr 82, 711-732.
- Han C., Carlin B.P., MCMC Methods for Computing Bayes Factors: a Comparative Review, JASA, 96, 1122-1132,2001.
- Highly Structured Stochastic Systems, P.J. Green, N. Hjort, S. Richardson (red.), University Press, Oxford 2003.
- Robert C.P., Casella G., Monte Carlo Statistical Methods, Second Edition, Springer 2004.
- 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
- ISSN
- 0324-8445
1507-3866 - Język
- pol
