উত্তরোত্তর বিতরণের সাথে সম্পর্কিত অনুমানকারীদের জন্য বায়েশীয় ব্যাখ্যাগুলি কেবল বায়েশীয় বিশ্লেষণের কাঠামোর মধ্যে বিদ্যমান। সুতরাং, আরএএমএল অনুমানকারীকে কেবলমাত্র বয়েশিয়ান ব্যাখ্যা দেওয়া যেতে পারে (অর্থাত্ উত্তরোত্তর থেকে নেওয়া অনুমানকারী হিসাবে একটি ব্যাখ্যা) যদি আমরা কোনও সম্পর্কিত লগ-পোস্টেরিয়র হওয়ার জন্য আরএমএল বিশ্লেষণে সীমাবদ্ধ লগ-সম্ভাবনা গ্রহণ করি বেয়েস বিশ্লেষণ; এই ক্ষেত্রে আরএএমএল অনুমানকটি বায়সীয় তত্ত্বের সাথে সম্পর্কিত বয়েসীয় ব্যাখ্যা সহ একটি এমএপি অনুমানক হবে ।
আরএএমএল অনুমানকারীকে এমএপি অনুমানকারী হিসাবে সেট করা: আরএএমএল বিশ্লেষণে সীমাবদ্ধ লগ-সম্ভাবনা কীভাবে কোনও বেইস বিশ্লেষণে লগ-পোস্টেরিয়র হিসাবে সেট করা যায় তা দেখতে অপেক্ষাকৃত সহজ। এটি করার জন্য, আমাদের লগ-পূর্বে আরএইএমএল প্রক্রিয়া দ্বারা সরানো লগ-সম্ভাবনার অংশটির নেতিবাচক হওয়া দরকার। ধরুন আমাদের লগ-সম্ভাবনা রয়েছে যেখানে হচ্ছে অবশিষ্ট লগ-সম্ভাবনা এবং হ'ল সুদের প্যারামিটার ( আমাদের উপদ্রব পরামিতি হিসাবে)। পূর্বে সেটিং সংশ্লিষ্ট অবর দেয়:ℓx(θ,ν)=ℓ∗(θ,ν)+ℓRE(θ)ℓRE(θ)θνπ(θ,ν)∝exp(−ℓ∗(θ,ν))
π(θ|x)∝∫Lx(θ,ν)π(θ,ν)dν∝∫exp(ℓx(θ,ν))exp(−ℓ∗(θ,ν))dν=∫exp(ℓx(θ,ν)−ℓ∗(θ,ν))dν=∫exp(ℓ∗(θ,ν)+ℓRE(θ)−ℓ∗(θ,ν))dν=∫exp(ℓRE(θ))dν=∫LRE(θ)dν∝LRE(θ).
এটি আমাদের দেয়:
θ^MAP=argmaxθπ(θ|x)=argmaxθLRE(θ)=θ^REML.
এই ফলাফলটি আমাদের আরএএমএল অনুমানকারীকে এমএপি অনুমানকারী হিসাবে ব্যাখ্যা করতে দেয়, তাই আরএমএল অনুমানকারকের যথাযথ বায়েশিয়ান ব্যাখ্যাই হ'ল এটি অনুমানকারী যা উপরের পূর্বের অধীনে উত্তর ঘনত্বকে সর্বাধিক করে তোলে ।
আরইএমএল অনুমানকারীকে বায়েশিয়ান ব্যাখ্যা দেওয়ার পদ্ধতির চিত্র তুলে ধরে আমরা এখন লক্ষ করেছি যে এই পদ্ধতির সাথে কিছু বড় সমস্যা রয়েছে। একটি সমস্যা হ'ল লগ-সম্ভাবনা উপাদান ব্যবহার করে তৈরি করা হয় যা ডেটার উপর নির্ভর করে। সুতরাং, এই ব্যাখ্যাটি অর্জনের জন্য প্রয়োজনীয় "পূর্ব" কোনও বাস্তব পূর্বের নয়, এমন একটি ক্রিয়াকলাপের অর্থে যা ডেটা দেখার আগে গঠন করা যেতে পারে। আরেকটি সমস্যা হ'ল পূর্বেরটি প্রায়শই অনুচিত (যেমন, এটি একটিতে সংহত হয় না) এবং প্যারামিটারের মানগুলি চরম হয়ে যাওয়ার সাথে সাথে এটি ওজনে বাড়তে পারে। (আমরা নীচে এর উদাহরণ দেখাব।)ℓ∗(θ,ν)
এই সমস্যাগুলির ভিত্তিতে, কেউ যুক্তি দিতে পারে যে আরইএমএল অনুমানের জন্য কোনও যুক্তিসঙ্গত বায়েশিয়ান ব্যাখ্যা নেই । বিকল্পভাবে, কেউ তর্ক করতে পারে যে আরইএমএল অনুমানক এখনও উপরের বায়েশিয়ান ব্যাখ্যাকে বজায় রাখে, একটি "পূর্ব" এর অধীনে সর্বাধিক পোস্টেরিয়েরি অনুমানক যা যথাযথভাবে নির্দিষ্ট আকারে পর্যবেক্ষণ করা ডেটার সাথে একত্রিত করতে হবে এবং এটি অত্যন্ত অনুচিত হতে পারে।
সাধারণ ডেটা সহ চিত্র: আরএমএল অনুমানের সর্বোত্তম উদাহরণটি হ'ল সাধারণ ডেটা যেখানে আপনি নির্ভুলতায় আগ্রহী এবং গড় একটি উপদ্রব পরামিতি। এই ক্ষেত্রে আপনার লগ-সম্ভাবনা ফাংশন রয়েছে:x1,...,xn∼N(ν,1/θ)θν
ℓx(ν,θ)=−n2lnθ−θ2∑i=1n(xi−ν)2.
আরএমএল-তে আমরা এই লগ-সম্ভাবনাকে দুটি উপাদানগুলিতে বিভক্ত করি:
ℓ∗(ν,θ)ℓRE(θ)=−n2lnθ−θ2∑i=1n(xi−ν)2=−n−12lnθ−θ2∑i=1n(xi−x¯)2.
আমরা যথাযথ প্যারামিটারের জন্য আরএমএল অনুমানকটি বেঁচে থাকার সম্ভাবনা সর্বাধিক করেই পাই, যা বৈকল্পিকতার জন্য একটি পক্ষপাতহীন অনুমানকারী দেয়:
1θ^REML=1n−1∑i=1n(xi−x¯)2.
এই ক্ষেত্রে, আরএএমএল অনুমানক "পূর্ববর্তী" ঘনত্বের জন্য কোনও এমএপি অনুমানের সাথে মিল রাখবে:
π(θ)∝θn/2exp(θ2∑i=1n(xi−ν)2).
আপনি দেখতে পাচ্ছেন, এই "পূর্ব" প্রকৃতপক্ষে পর্যবেক্ষণ করা ডেটা মানগুলির উপর নির্ভর করে, সুতরাং তথ্যটি দেখার আগে এটি প্রকৃতপক্ষে গঠিত হতে পারে না। তদুপরি, আমরা দেখতে পাচ্ছি যে এটি স্পষ্টতই একটি "অনুচিত" যা পূর্বে এবং এর চূড়ান্ত মানকে আরও বেশি করে ওজন দেয় । (প্রকৃতপক্ষে, এটি পূর্বেরটি বেশ ভালো kers প্রাক্কলনকারী যা পূর্বের অধীনে উত্তোলন সর্বাধিক করে তোলে।θν