私は、MCMCが使用されている頻出主義の設定におけるさまざまな問題を理解しようと努めています。MCMC(またはモンテカルロ)がGLMMのフィッティングや、おそらくモンテカルロEMアルゴリズムで使用されることを知っています。MCMCが使用されている場合、より頻繁な問題はありますか?
ベイジアンモデルが頻出モデルとしても解釈できる場合(たとえば、すべての事前分布がフラットである場合)、事後モードはMLEです。そのため、MCMCを使用してMLEを実行できますが、これは非常に良い方法ではありません。
—
コディオロジスト2016
@Kodiologistもちろん。ただし、事後平均に関心がある可能性が高いので(最小二乗損失関数で作業している場合)、MLEを見つけようとはしません。しかし、私はあなたの意味がわかります。
—
Greenparker 2016
@Kodiologistしかしなぜ常習者はそれをするのでしょうか?まず、これは複数の概念的な問題を引き起こします(そのパラメーターがrvであると仮定すると、HDIの解釈方法など)。第2に、頻度主義者が最適化アルゴリズムの代わりにそれを使用して点推定を見つける場合、点推定の後でなければ非常に非効率的な方法なので、なぜそうするのでしょう...
—
Tim
私は偶然これに出くわしましたが、これは役に立つトピックだと思いました。私が間違っていないのであれば、モンテカルロ法は一般に、ターゲットディストリビューションからのサンプリングに関係しており、ターゲットディストリビューションから直接サンプリングできる場合とできない場合があります。BayesianとFrequentistの間のシフトは、RVまたはパラメーターがRVであるためのデータの解釈です(@Timで述べられています)。したがって、MCの方法は「ベイジアン」でも「頻度主義」でもないように思えます。区別を作成するのは、むしろそれらの使用に適用される哲学です。これは正しい評価でしょうか?
—
ジョン
@Greenparkerなので、従来のMCでは、次のような状況になる可能性があります whereとは、いくつかの器械的分布です。私があなたの論理に従っている場合、からの(直接)サンプリングはベイジアンでも頻度主義でもありませんが、経験的平均を使用すると、これが頻度主義推定になります。この論理の解釈は正しいですか?
—
Jon