Вибір моделі ABC

Було показано , що вибір моделі ABC з використанням Байеса чинників не рекомендується з - за наявності помилки , що надходить з використання зведеної статистики. Висновок у цій роботі спирається на вивчення поведінки популярного методу апроксимації фактора Байєса (Алгоритм 2).

Добре відомо, що фактори Байєса - не єдиний спосіб проведення вибору моделі. Є й інші особливості, такі як прогнозована ефективність моделі, яка може бути цікавою (наприклад, правила балів ).

Моє запитання : чи існує метод, аналогічний алгоритму 2, для наближення деяких правил (-ів) балів чи інших величин, які можуть бути використані для проведення вибору моделі з точки зору прогнозованої ефективності в контекстах зі складними ймовірностями?

Приємне питання на основі нашої роботи ! Чи відомо вам про подальший документ, в якому ми створюємо умови на підсумковій статистиці для досягнення послідовності фактора Байєса? Це може здатися занадто теоретичним, але наслідок асимптотичних результатів є досить простим:

$T$

1. $T$$i=1,..,I$$\theta_i$$\hat\theta_i(T)$
2. $T$
3. $\mathbb{E}_{\hat\theta_i(T)}[T(X)]$

Ця процедура не є першою версією документа, але незабаром повинна з’явитися в переглянутій версії