タグ付けされた質問 「forecast-combination」

3つの独立したソースがあり、それぞれが明日の天気を予測するとします。最初の人は明日の雨の確率が0であると言い、2番目の人は確率が1であると言い、最後の人は確率が50％であると言います。その情報が与えられた場合の合計確率を知りたいです。 独立したイベントに乗算定理を適用すると、0になりますが、これは正しくないようです。すべてのソースが独立している場合、3つすべてを乗算できないのはなぜですか？新しい情報が得られたときに事前を更新するベイジアンの方法はありますか？ 注：これは宿題ではなく、私が考えていたものです。

26 probability  bayesian  pooling  model-averaging  forecast-combination 

IT基準を使用して候補セット内のモデルに重み付けするモデル平均化のアプローチに関する基本的な質問があります。 私がモデル平均化で読んだほとんどのソースは、モデルの重みに基づいてパラメーター係数推定値を平均化することを提唱しています（「自然平均」または「ゼロ平均」法を使用しています）。ただし、特にモデルをネストされていない予測子変数と比較する場合、モデルの重みに基づくパラメーター係数推定値ではなく、各モデルの予測の平均化と重み付けがより簡単で正当なアプローチであるという印象を受けました。 モデル平均化へのどのアプローチが最も正当化されるかについての明確なガイダンスはありますか（加重パラメーター推定値と加重予測の平均化）？また、混合モデルの場合、係数推定値のモデル平均化でさらに複雑になりますか？

9 mixed-model  model-averaging  forecast-combination