O Fator Bayesiano Intrínseco para Seleção de Modelos e Predição

Resumo Na abordagem bayesiana para seleção de modelos ou teste de hipóteses com modelos ou hipóteses de dimensões diferentes, tipicamente não é possível utilizar distribuições a priori padrão não informativas (ou padrão). Isso levou os bayesianos a usarem distribuições a priori convencionais adequadas ou aproximações grosseiras aos fatores de Bayes. Neste artigo, introduzimos um novo critério chamado de fator Bayesiano intrínseco, que é totalmente automático no sentido de exigir apenas priors não informativos padrão para seu cálculo e, no entanto, parece corresponder a fatores de Bayes reais muito razoáveis. O critério pode ser usado para modelos aninhados ou não aninhados e para comparação e predição de múltiplos modelos. De outra perspectiva, o desenvolvimento sugere uma definição geral de um "prior de referência" para comparação de modelos. Palavras-chave: Fatores de Bayes assintóticos, Teste de hipóteses, Prior não informativo, Probabilidade posterior, Amostra de treinamento.