萨拉·范·厄普
摘要
本书其他章节中提供的许多方法为绝对意义上的小样本提供了解决方案;例如，在单例设计中。在本章中，重点是相对于模型的复杂性的小样本。我说明了贝叶斯惩罚是如何通过应用所谓的“收缩先验”来解决这个问题的，它将小的影响缩小到零，同时留下大的影响。提供了一个使用R包bayesreg将贝叶斯惩罚应用于线性回归模型的教程，该包实现了各种收缩先验。
本书其他章节中提供的许多方法为绝对意义上的小样本提供了解决方案;例如，在单例设计中。在本章中，重点是相对于模型的复杂性的小样本。我说明了贝叶斯惩罚是如何通过应用所谓的“收缩先验”来解决这个问题的，它将小的影响缩小到零，同时留下大的影响。提供了一个使用R包bayesreg将贝叶斯惩罚应用于线性回归模型的教程，该包实现了各种收缩先验。
