CONSULTANT'S FORUM

Determining the Effective Sample Size of a Parametric Prior
Nous présentons une définition de la taille d'échantillon efficace d'une loi a priori paramétrique dans un modèle bayésien, et proposons des méthodes pour calculer la taille efficace d'échantillon dans différents cas. Notre approche construit en premier une loi a priori choisie pour être vague dans un sens convenable, et met à jour cette loi a priori pour obtenir une suite de lois a posteriori correspondant à chacune des gammes de tailles d'échantillon. Nous calculons ensuite une distance entre chaque distribution a posteriori et la distribution a priori paramétrique, définie en terme de courbure du logarithme de chaque distribution, et la loi a posteriori minimisant la distance définit la taille d'échantillon efficace pour la loi a priori. Pour les cas où la distance ne peut pas être calculée de façon analytique, nous fournissons une approximation numérique basée sur une simulation de Monte Carlo. Nous fournissons en général des lignes de conduite pour l'application, illustrons la méthode dans plusieurs cas standards où la réponse est évidente et l'appliquons dans quelques cas moins standards.