정상 선형 모델 간 구별을 위한 표준 베이지안 절차의 대안

우리는 구별을 위한 표준 베이지안 절차를 고려하며, 이는 중간에서 큰 샘플 크기의 조건에서도 일부 올바른 모델에 낮은 사후 확률을 부여하는 경향에 초점을 맞춥니다. 또한, 실제로 발생할 수 있는 특정 상황에서 표준 절차는 점점 일관성이 없을 수 있습니다. 우리는 이 설명이 표준 절차가 매개변수에 대한 정보의 기대 증가가 가장 작은 모델의 사후 확률을 부풀린다고 주장합니다. 이후 기대 정보 이득과 관련된 양으로 이를 수정할 것을 제안하며, '린들리 역설'이 발생하지 않음을 보여줍니다. 마지막으로, 비정보적이게 되는 우선 밀도를 허용함으로써 얻어지는 한계 대안 기준을 도출하며, 이를 통해 사용된 정보적 우선 밀도에 대해 구별이 얼마나 민감한지를 측정할 수 있습니다.