Cher Sanjay,
Mark, comme l'inventeur de la SQUEAC Bayes, vous donnera plus de détails, mais vous ne devriez pas vous soucier des chiffres légèrement différents. Ceci est juste une question de "informatiques calculs internes" et, comme vous pouvez le voir, la différence n'a vraiment pas d'impact sur le résultat. Par la façon dont, parfois, vous pouvez également voir que le chiffre postérieure sera légèrement différente (ce qui est le cas dans votre exemple), ce nouveau ............... est juste une question de l'ordinateur .

La différence est due à BayesSQUEAC utilisant un bootstrap estimateur (une version modifiée ensachage approche est utilisée).

Cette «ré-échantillonnage" approche est meilleure que les méthodes approximatives présentées dans la référence technique SQUEAC / SLEAC dans le sens que la couverture de l'intervalle de crédibilité est très proche de 95% quelle que soit la valeur du mode postérieure, même lorsque de petites tailles d'échantillon efficaces sont utilisé. La méthode approximative le fait que lorsque le mode postérieure est de 50% et la taille effective de l'échantillon est supérieure à environ n = 30. La couverture de l'intervalle crédible approximative peut être différente de la (contraire) 95% lorsque le mode postérieure est inférieure à environ 20% ou supérieure à environ 80% ou lorsque la taille de l'échantillon efficaces sont petites.

L'effet d'utiliser une approche bootstrap est qu'il est un peu WRT "bancale" la position exacte des limites crédibles. Dans votre exemple, le "wobble" est plus ou moins 0,1%. Cela peut être réduite mais cela ferait courir BayesSQUEAC lentement sur les vieux ordinateurs.

J'espère que cela aide.

Merci Mark. Il est utile.

Cordialement
Sanjay

Un poste informatique / technologie ... Je oublié de dire que BayesSQUEAC est un logiciel open source. Vous pouvez obtenir le code source TCL ici. Le code d'ensachage est sur les lignes 1 251 thru 1262. Ce code est gratuite pour vous (et personne d'autre) pour utiliser et modifier.

Vous pouvez réduire la "wobble" en augmentant la valeur '100' dans la ligne 1255. Le code actuel utilise 100 sacs de taille 100 (soit 10 000 répliques bootstrap). Ces procédures se comporte d'une manière similaire à l'enquête des tailles d'échantillon en ce que le degré de "wobble" diminue avec la racine carrée de l'augmentation du nombre de répétitions utilisées. Avoir (par exemple) 1000 sacs de taille 100 (soit 100 000 répliques bootstrap) permettra de réduire la "wobble" d'environ 3,16 fois (de 0,1% à 0,03% dans votre exemple), mais prendre 10 fois plus de temps à courir. Le nombre de répétitions utilisées dans BayesSQUEAC a été créé comme un compromis entre "wobble" et de garder le logiciel assez rapide pour être interactif.