2
ベイジアンモデル平均化（BMA）の利点を示す簡単な例
私はベイジアンモデルアベレージング（BMA）アプローチを研究に組み込んでおり、同僚に私の仕事についてのプレゼンテーションをすぐに行います。しかし、BMAは私の分野ではそれほど有名ではありません。そのため、すべての理論を提示し、実際に問題に適用する前に、BMAが機能する理由について、簡単でありながら有益な例を紹介します。 2つのモデルから選択できる簡単な例を考えていましたが、真のデータ生成モデル（DGM）はその中間にあり、証拠はそれらのいずれかを実際に支持していません。そのため、いずれかを選択して続行すると、モデルの不確実性を無視してエラーが発生しますが、BMAでは、真のモデルはモデルセットの一部ではありませんが、少なくとも対象のパラメーターの正しい事後密度が得られます。たとえば、毎日2つの天気予報（AとB）があり、1つは天気を最もよく予測したいので、古典的な統計では、最初に2つの天気予報を見つけようとしますが、真実がその中間にある場合はどうでしょうか。 （つまり、Aが正しいこともあれば、Bが正しいこともあります）。しかし、私はそれを形式化することができませんでした。そのようなものですが、私はアイデアに非常にオープンです。この質問が具体的であることを願っています！ 文献では、これまでに読んだものから良い例を見つけていません。 Kruschke（2011）はベイジアン統計の優れた入門書ですが、BMAにはあまり焦点を当てていません。彼が第4章で持っているコイントスの例は、ベイジアン統計の導入には最適ですが、他の研究者にBMAを使用するように説得しません。（「なぜ私は3つのモデルを持っているのですか、1つはコインが公正で、2つはどちらかの方向に偏っているということですか？」） 私が読んだ他のすべてのもの（Koop 2003、Koop / Poirier / Tobias（2007）、Hoeting et al。（1999）、その他多数）は素晴らしい参考文献ですが、簡単なおもちゃの例は見つかりませんでした。 しかし、多分私はここで良い情報源を逃しただけです。 それで、誰かがBMAを導入するために使用する良い例がありますか？多分それは非常に有益だと思うので、可能性と事後者を示すことによってさえ多分。