Tiffany Cai, Philip Greengard, Ben Goodrich und ich schreiben:
Bayes’sche Inferenz wird häufig mit Annäherungen und daraus resultierenden posterioren Un-
Sicherheitsintervalle können dann zu eng sein und die Unsicherheit im Modell nicht vollständig erfassen.
Wir befassen uns mit der Frage, wie diese ungefähren Posterioren so anpassen können, dass sie sich angemessen haben
Nehmen Sie die Unsicherheit erfassen. Wir führen zwei Methoden ein, die die simulationsbasierte Kalibrierung erweitern
Überprüfung (SBC), um die ungefähren posterioren Unsicherheitsintervalle zu erweitern, um marginal zu streben
Kalibrierung. Wir demonstrieren diese Methoden in mehreren experimentellen Umgebungen und diskutieren die
Herausforderung der Kalibrierung unter Verwendung hinterer Schlussfolgerungen.
Auch related sind diese Papiere:
Bayesian Rating -Kalibrierung für ungefähre Modellevon Joshua Bon, David Warne, David Nott und Christopher Drovandi
Simulationsbasierte Kalibrierung von Unsicherheitsintervallen unter ungefährer Bayesianische Schätzungvon Terrance Savitsky und Julie Gershunskaya