Предельная вероятность - Marginal likelihood
В статистике , предельная функция правдоподобия , или интегрированная вероятность , является функцией правдоподобия , в котором были некоторые переменные параметры маргинальная . В контексте байесовской статистики это также может называться свидетельством или модельным свидетельством .
Концепция
Учитывая набор независимых одинаково распределенных точек данных, где в соответствии с некоторым распределением вероятностей, параметризованным , где сама является случайной величиной, описываемой распределением, то есть маргинальное правдоподобие в целом спрашивает, какова вероятность , где было исключено (интегрировано) :
Приведенное выше определение сформулировано в контексте байесовской статистики . В классической ( частотной ) статистике понятие предельного правдоподобия возникает вместо этого в контексте совместного параметра , где - фактический интересующий параметр, а не представляющий интерес неприятный параметр . Если существует распределение вероятностей для , часто желательно рассматривать функцию правдоподобия только в терминах , исключая :
К сожалению, предельное правдоподобие, как правило, трудно вычислить. Точные решения известны для небольшого класса распределений, особенно когда маргинальный параметр является сопряженным предшествующим распределением данных. В других случаях требуется какой-то метод численного интегрирования , либо общий метод, такой как гауссово интегрирование или метод Монте-Карло , либо метод, специализированный для статистических задач, таких как приближение Лапласа , выборка Гиббса / Метрополиса или алгоритм EM .
Также возможно применить вышеуказанные соображения к одной случайной величине (точке данных) , а не к набору наблюдений. В байесовском контексте это эквивалентно предыдущему прогнозному распределению точки данных.
Приложения
Сравнение байесовских моделей
При сравнении байесовских моделей маргинальные переменные являются параметрами для определенного типа модели, а оставшаяся переменная - это идентичность самой модели. В этом случае маргинальная вероятность - это вероятность данных с учетом типа модели, без каких-либо конкретных параметров модели. При записи параметров модели предельное правдоподобие для модели M равно
Именно в этом контексте обычно используется термин « модельное свидетельство» . Эта величина важна, потому что апостериорное отношение шансов для модели M 1 по сравнению с другой моделью M 2 включает отношение предельных правдоподобий, так называемый байесовский фактор :
что схематично можно представить как
- апостериорные шансы = априорные шансы × байесовский фактор
Смотрите также
- Эмпирические байесовские методы
- Парадокс Линдли
- Предельная вероятность
- Байесовский информационный критерий
Рекомендации
- Чарльз С. Бос. «Сравнение методов расчета предельного правдоподобия». В В. Хердле и Б. Ронце, редакторах, COMPSTAT 2002: Proceedings in Computational Statistics , pp. 111–117. 2002. (Доступен в виде препринта в Интернете: [1] )
- Он-лайн учебник: Теория информации, Умозаключение, и алгоритмы обучения , с помощью Дэвида JC Маккея .