...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of statistical computation and simulation >On Monte Carlo computation of posterior expectations with uncertainty
【24h】

On Monte Carlo computation of posterior expectations with uncertainty

机译：关于不确定后验期望的蒙特卡洛计算

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we study computation of the range of posterior expectations that arise from robust Bayesian statistics. We compute supremum and infimum of the posterior expectations, when allowing uncertainty for the choice of the likelihood function, or uncertainty for the choice of the prior distribution. In the standard approach of sensitivity analysis, posterior statistics is computed a multiple number of times for each choice of the uncertainty scenarios, which might involve heavy computation due to running Monte Carlo sampling many times. Our paper proposes a more efficient computational method that only requires one Monte Carlo sample for all possible choices of the uncertainty scenarios. The proposed computational method involves three steps (with the mnemonic PSI):
机译：在本文中，我们研究了从稳健的贝叶斯统计中得出的后验期望范围的计算。当允许对似然函数的选择不确定或对先验分布的选择不确定时，我们计算后验期望的最高和最低。在敏感性分析的标准方法中，对于不确定性场景的每种选择，后验统计都会被多次计算，由于多次运行蒙特卡洛采样，这可能会涉及大量计算。我们的论文提出了一种更有效的计算方法，对于不确定性场景的所有可能选择，只需要一个蒙特卡洛样本即可。所提出的计算方法涉及三个步骤（使用助记符PSI）：

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号