• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Improving the efficiency and robustness of nested sampling using posterior repartitioning
【24h】

Improving the efficiency and robustness of nested sampling using posterior repartitioning

机译：使用后退分区提高嵌套采样的效率和鲁棒性

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In real-world Bayesian inference applications, prior assumptions regarding the parameters of interest may be unrepresentative of their actual values for a given dataset. In particular, if the likelihood is concentrated far out in the wings of the assumed prior distribution, this can lead to extremely inefficient exploration of the resulting posterior by nested sampling (NS) algorithms, with unnecessarily high associated computational costs. Simple solutions such as broadening the prior range in such cases might not be appropriate or possible in real-world applications, for example when one wishes to assume a single standardised prior across the analysis of a large number of datasets for which the true values of the parameters of interest may vary. This work therefore introduces a posterior repartitioning (PR) method for NS algorithms, which addresses the problem by redefining the likelihood and prior while keeping their product fixed, so that the posterior inferences and evidence estimates remain unchanged but the efficiency of the NS process is significantly increased. Numerical results show that the PR method provides a simple yet powerful refinement for NS algorithms to address the issue of unrepresentative priors.
机译：在现实世界贝叶斯推理应用中，关于感兴趣参数的先验假设可能是对给定数据集的实际值的不成绩。特别地，如果可能性集中在假定的先前分布的翅膀中，这可以通过嵌套采样（NS）算法来导致由嵌套的采样（NS）算法的结果极低探索，并且不必要地具有高相关的计算成本。例如，在这种情况下扩大现有范围的简单解决方案可能在现实世界中可能不合适或可能，例如当一个人希望在分析大量数据集之前假设单个标准化，其中感兴趣的参数可能有所不同。因此，这项工作引入了NS算法的后序（PR）方法，这通过重新定义可能性和先前的似况来解决问题，以便在保持其产品固定的同时，因此后推断和证据估计保持不变，但NS过程的效率显着显着增加。数值结果表明，PR方法为NS算法提供了一个简单而强大的精致，以解决不成绩的前瞻问题。

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