Pathwise concentration bounds for Bayesian beliefs
Pathwise concentration bounds for Bayesian beliefs
复制标题
贝叶斯信念的路径浓度界限
作者：
D. Fudenberg;Giacomo Lanzani;P. Strack
我们表明，贝叶斯后验集中于结果分布，该结果分布近似最小化与经验分布的 Kullback-Leibler 散度，均匀地分布在样本路径上，即使先验没有得到完全支持。这将 Diaconis 和 Freedman (1990) 的一致收敛结果概括为，例如，具有有限支持、受独立性假设约束或具有无法匹配某些概率分布的参数形式的先验。集中结果让我们能够为 Berk（1966）关于当先验错误指定时后验信念的限制行为的结果提供收敛率。我们在“预期效用”模型中提供了近似误差的界限，并将我们的分析扩展到被认为遵循马尔可夫过程的结果。
We show that Bayesian posteriors concentrate on the outcome distributions that approximately minimize the Kullback–Leibler divergence from the empirical distribution, uniformly over sample paths, even when the prior does not have full support. This generalizes Diaconis and Freedman's (1990) uniform convergence result to, e.g., priors that have finite support, are constrained by independence assumptions, or have a parametric form that cannot match some probability distributions. The concentration result lets us provide a rate of convergence for Berk's (1966) result on the limiting behavior of posterior beliefs when the prior is misspecified. We provide a bound on approximation errors in “anticipated‐utility” models, and extend our analysis to outcomes that are perceived to follow a Markov process.
登录
查看更多内容
影响因子：
10.7
作者：
Clark, Daniel;Fudenberg, Drew
通讯作者：
Fudenberg, Drew
DOI：
10.1073/pnas.1618780114
发表时间：
2016-08
期刊：
Proceedings of the National Academy of Sciences
影响因子：
--
作者：
D. Fudenberg;Kevin He;L. Imhof
通讯作者：
D. Fudenberg;Kevin He;L. Imhof
玩家兼容的学习和玩家兼容的平衡
影响因子：
1.6
作者：
Fudenberg, Drew;He, Kevin
通讯作者：
He, Kevin
内生错误指定学习的极限点
影响因子：
6.1
作者：
Fudenberg, Drew;Lanzani, Giacomo;Strack, Philipp
通讯作者：
Strack, Philipp
竞争型号
DOI：
10.1093/qje/qjac015
发表时间：
2022
期刊：
The Quarterly Journal of Economics
影响因子：
--
作者：
Montiel Olea, José Luis;Ortoleva, Pietro;Pai, Mallesh M;Prat, Andrea
通讯作者：
Prat, Andrea