Bayesian Model Averaging

Bayesian Model Averaging (BMA), formalizzato come tutorial da Hoeting, Madigan, Raftery e Volinsky nel 1999, affronta l'incertezza del modello mediando su tutte le specifiche di modello plausibili anziché selezionare un singolo modello migliore. A ciascun modello candidato viene assegnata una probabilità a posteriori che riflette quanto bene si adatta ai dati dato un prior, e le predizioni o le stime dei coefficienti sono formate come medie ponderate sull'intero spazio dei modelli. Questo approccio riduce il bias e l'eccessiva confidenza che sorgono quando un singolo modello selezionato viene trattato come quello vero.