Model selection with vague prior information

Resumen

En el enfoque bayesiano el factor de Bayes es la herramienta principal para la selección de modelos y para el contraste de hipótesis. Cuando la información a priori es escasa, generalmente 'se suelen utilizar distribuciones impropias, pero desafortunadamente, en este caso, el factor de Bayes queda definido salvo una constante multiplicativa. En este artículo se pasa revista a algunas de las recientes metodologías, a saber intrínseca y fraccional, para solventar el problema de la utilización de distribuciones a priori impropias en los problemas de selección de modelos y contraste de hipótesis, que sin embargo ya son habituales en la práctica. Se presta atención especial a los métodos intrínseco y fraccional, como herramientas diseñadas para proporcionar distribuciones a priori propias con las que calcular el factor de Bayes. Lo anterior se ilustra con ejemplos de problemas de contraste de hipótesis, en particular con el problema de Behrens-Fisher.