The first posterior results we obta

The first posterior results we obtained under the previous prior presented some label switching because the groups were not identified in the proper order required by the prior on μ. In order to reduce label switching, we modified our initial prior information and augmented the asymmetric informative prior on μj with an asymmetric prior information onView the MathML source, selecting the prior expectations equal to (0.25, 0.50, 1.50) with prior degrees of freedom equal to 50. This new prior manages to reduce label switching because now the groups do correspond to their prior order. In order to appraise the convergence of the Gibbs sampler, we use CUMSUM graphs, as displayed in Fig. 1, Fig. 2, Fig. 3 and Fig. 4. CUMSUM graphs were first proposed by Yu and Mykland (1998) as a simple diagnostic method in order to assess the convergence of MCMC chains. The idea is to plot the evolution of a partial moment. If xj is the jth MCMC draw, then View the MathML source represents the MCMC estimate of the mean and View the MathML source the MCMC estimate of the standard deviation, both over the complete MCMC set. The (standardized) partial moment computed over the first i draws is View the MathML source. The standardized CUMSUM graph is formed by plotting ci against i for i=1,…,m where m is the total number of draws. This is a standardized version of the diagnostic procedure as proposed and detailed in Bauwens and Lubrano (1998). In the graphs, a ±10% confidence band is displayed as explained in Bauwens and Lubrano (1998).

ผลลัพธ์ (ไทย) 1:

ผลหลังแรกที่เราได้รับภายใต้ก่อนก่อนหน้าแสดงเปลี่ยนบางป้ายเนื่องจากกลุ่มไม่ระบุในลำดับเหมาะสมที่จำเป็นได้ล่วงหน้าบนμ เพื่อลดการเปลี่ยนป้าย เราแก้ไขข้อมูลของเราก่อนเริ่มต้น และเติมเต็มได้สมมาตรข้อมูลล่วงหน้าบน μj ด้วยการ onView สมมาตรก่อนข้อมูลแหล่ง MathML เลือกเท่ากับความคาดหวังล่วงหน้า (0.25, 0.50, 1.50) ด้วยก่อนองศาอิสระเท่ากับ 50 ก่อนนี้ใหม่จัดการลดเปลี่ยนป้ายเนื่องจากขณะนี้ กลุ่มสอดคล้องกับลำดับก่อน เพื่อแห่งการบรรจบกันของ sampler กิบส์ เราใช้กราฟ CUMSUM ตามที่แสดงในรูปที่ 1, 2 รูป รูป 3 และ 4 รูป CUMSUM กราฟแรกได้เสนอ โดย Yu และ Mykland (1998) เป็นวิธีการวินิจฉัยที่ง่ายเพื่อประเมินการบรรจบกันของโซ่ MCMC ความคิดที่จะ พล็อตการวิวัฒนาการช่วงบางส่วน ถ้าเป็น xj jth MCMC วาด แล้วดูแหล่ง MathML แทน MCMC การประเมินหมายถึงอะไรและดูแหล่ง MathML MCMC การประเมินของส่วนเบี่ยงเบนมาตรฐาน ทั้งสองผ่านชุด MCMC สมบูรณ์ ขณะบางส่วน (มาตรฐาน) คำนวณมากกว่าครั้งแรกที่ผมวาดจะดูแหล่ง MathML CUMSUM กราฟมาตรฐานจะเกิดขึ้น โดยพล็อต ci กับฉันสำหรับฉัน = 1,..., m โดยที่ m คือ จำนวนรวมของวาด นี้เป็นรุ่นมาตรฐานของขั้นตอนการวินิจฉัยเป็นการนำเสนอ และรายละเอียดใน Bauwens และ Lubrano (1998) ในกราฟ วง± 10% ความเชื่อมั่นจะแสดงตามที่อธิบายใน Bauwens และ Lubrano (1998)

ผลลัพธ์ (ไทย) 2:

ผลหลังแรกที่เราได้รับภายใต้ก่อนหน้านี้ก่อนนำเสนอบางสลับป้ายเพราะกลุ่มที่ไม่ได้ระบุไว้ในลำดับที่เหมาะสมจำเป็นโดยก่อนในμ เพื่อลดการเปลี่ยนฉลากเรามีการปรับเปลี่ยนข้อมูลของเราก่อนเริ่มต้นและเติมอสมมาตรข้อมูลก่อนในμjกับข้อมูลก่อนไม่สมมาตร onView แหล่ง MathML เลือกความคาดหวังก่อนเท่ากับ (0.25, 0.50, 1.50) ที่มีองศาก่อนของเสรีภาพเท่าเทียมกัน 50 นี้ก่อนที่ใหม่จะจัดการเพื่อลดการเปลี่ยนป้ายชื่อเพราะตอนนี้กลุ่มไม่สอดคล้องกับคำสั่งของพวกเขาก่อน เพื่อประเมินการบรรจบกันของตัวอย่างกิ๊บส์เราจะใช้กราฟ CUMSUM, ตามที่แสดงในรูป 1 รูป 2 รูป 3 รูป 4. กราฟ CUMSUM ถูกเสนอครั้งแรกโดย Yu และ Mykland (1998) เป็นวิธีการที่ง่ายในการวินิจฉัยเพื่อประเมินการบรรจบกันของโซ่ MCMC ความคิดที่จะวางแผนการวิวัฒนาการของช่วงเวลาบางส่วน หาก XJ เป็น jth วาด MCMC แล้วดูแหล่งที่มา MathML หมายถึงประมาณการ MCMC ของค่าเฉลี่ยและดูแหล่งที่มา MathML ประมาณการ MCMC ของส่วนเบี่ยงเบนมาตรฐานทั้งสองชุด MCMC สมบูรณ์ (ที่ได้มาตรฐาน) ขณะที่บางส่วนคำนวณในช่วงแรกที่ผมดึงคือมุมมองที่มา MathML กราฟ CUMSUM มาตรฐานจะเกิดขึ้นโดยการวางแผน CI กับผมสำหรับ i = 1, ... , M m คือจำนวนของเหลือ นี้เป็นรุ่นมาตรฐานของขั้นตอนการวินิจฉัยตามที่เสนอและมีรายละเอียดใน Bauwens และ Lubrano (1998) ในกราฟวงความเชื่อมั่น± 10% จะปรากฏเป็นอธิบายใน Bauwens และ Lubrano (1998)

ผลลัพธ์ (ไทย) 3:

ครั้งแรกของผลลัพธ์ที่เราได้รับอยู่เดิมก่อนเปลี่ยน เพราะกลุ่มที่นำเสนอบางป้ายไม่ระบุในที่เหมาะสมเพื่อบังคับใช้ โดยก่อนหน้านี้ในμ . เพื่อลดป้ายสลับ เราแก้ไขข้อมูลก่อนของเราเริ่มต้นและเพิ่มข้อมูลที่ไม่สมมาตร ก่อนμ J ด้วยข้อมูลที่ไม่สมมาตร onview MathML ที่มาก่อนเลือกก่อน ( ความคาดหวังเท่ากับ 0.25 , 0.50 , 1.50 ) กับองศาเดิมของเสรีภาพเท่ากับ 50 นี้ใหม่ก่อนจัดการลดป้ายเปลี่ยนเพราะตอนนี้กลุ่มที่ทำสอดคล้องกับคำสั่งเดิมของพวกเขา เพื่อที่จะประเมินการบรรจบกันของตัวอย่างกิ๊บส์ เราใช้ cumsum กราฟที่แสดงในรูปที่ 1 รูปที่ 2 รูปที่ 3 และรูปที่ 4 cumsum กราฟแรกที่เสนอโดย ยู และ mykland ( 1998 ) เป็นวิธีที่ง่ายในการวินิจฉัยเพื่อประเมินการบรรจบกันของ MCMC โซ่ ความคิดที่จะแปลงวิวัฒนาการของช่วงเวลาบางส่วน ถ้า XJ เป็น jth MCMC วาดแล้วดู MathML แหล่งหมายถึง MCMC การประเมินค่าเฉลี่ย และดู MathML แหล่ง MCMC ประมาณการของส่วนเบี่ยงเบนมาตรฐาน ทั้งที่ตั้ง MCMC สมบูรณ์ ( มาตรฐาน ) เวลาคำนวณมากกว่าครั้งแรก ฉันดึงบางส่วนจะดู MathML แหล่ง มาตรฐาน cumsum กราฟรูปแบบโดยวางแผน CI กับผมสำหรับผม = 1 , . . m โดยที่ M คือจำนวนเสมอ นี้เป็นรุ่นมาตรฐานของกระบวนการวินิจฉัยตามที่เสนอและรายละเอียดในโบเวน และ lubrano ( 1998 ) ในกราฟ , ± 10% มั่นใจวงดนตรีแสดงตามที่อธิบายไว้ในโบเวน และ lubrano ( 1998 )