Giải thích Bayes chỉ tồn tại trong khuôn khổ phân tích Bayes, cho các công cụ ước tính liên quan đến phân phối sau. Do đó, cách duy nhất mà công cụ ước tính REML có thể được đưa ra một cách giải thích Bayes (nghĩa là một cách giải thích như một công cụ ước tính được lấy từ phía sau) là nếu chúng ta lấy khả năng ghi nhật ký bị hạn chế trong phân tích REML để trở thành log-postior tương ứng Phân tích Bayes; trong trường hợp này, công cụ ước tính REML sẽ là công cụ ước tính MAP từ lý thuyết Bayes, với cách giải thích Bayes tương ứng.
Đặt công cụ ước tính REML thành công cụ ước tính MAP: Tương đối đơn giản để xem cách đặt khả năng ghi nhật ký bị hạn chế trong phân tích REML thành log-postior trong phân tích Bayes. Để làm điều này, chúng tôi yêu cầu nhật ký trước phải là phần âm của phần khả năng đăng nhập bị loại bỏ bởi quy trình REML. Giả sử chúng ta có loga nơi ℓ RE ( θ ) là dư loga và θℓx(θ,ν)=ℓ∗(θ,ν)+ℓRE(θ)ℓRE(θ)θlà tham số quan tâm (với là tham số phiền toái của chúng tôi). Đặt giá trị trước cho π ( θ , ν ) ∝ exp ( - ℓ ∗ ( θ , ν ) ) sẽ cho hậu thế tương ứng:νπ(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).
Điều này cho chúng ta:
θ^MAP=argmaxθπ(θ|x)=argmaxθLRE(θ)=θ^REML.
Kết quả này cho phép chúng tôi giải thích công cụ ước tính REML như một công cụ ước tính MAP, do đó, cách giải thích Bayes thích hợp của công cụ ước tính REML là công cụ ước tính tối đa hóa mật độ sau theo trước .
ℓ∗(θ,ν)
Dựa trên những vấn đề này, người ta có thể lập luận rằng không có cách giải thích Bayes hợp lý cho công cụ ước tính REML. Ngoài ra, người ta có thể lập luận rằng việc ước lượng REML vẫn duy trì trên Bayesian giải thích, là một tối đa một hậu ước lượng dưới một "trước khi" đó tình cờ phải phù hợp với các dữ liệu quan sát theo hình thức chỉ định, và có thể rất không đúng.
x1,...,xn∼N(ν,1/θ)θν
ℓx(ν,θ)=−n2lnθ−θ2∑i=1n(xi−ν)2.
Trong REML, chúng tôi chia khả năng đăng nhập này thành hai thành phần:
ℓ∗(ν,θ)ℓRE(θ)=−n2lnθ−θ2∑i=1n(xi−ν)2=−n−12lnθ−θ2∑i=1n(xi−x¯)2.
Chúng tôi có được công cụ ước tính REML cho tham số chính xác bằng cách tối đa hóa khả năng còn lại, điều này mang lại một công cụ ước tính không thiên vị cho phương sai:
1θ^REML=1n−1∑i=1n(xi−x¯)2.
Trong trường hợp này, công cụ ước tính REML sẽ tương ứng với công cụ ước tính MAP cho mật độ "trước":
π(θ)∝θn/2exp(θ2∑i=1n(xi−ν)2).
θν