×
滨村、靖国;艾丽·考鲁;松下县苏加泽

关于计数数据的全局-局部收缩。 （英语） Zbl 07809910号

贝叶斯分析。 17，第2号，545-564（2022）.
摘要：全局局部收缩先验已被公认为一类有用的先验，它可以将小信号强收缩到先验的方式，同时保持大信号不被丢弃。虽然在高斯响应下对此类先验进行了广泛讨论，但在实际中，我们经常会遇到计数响应。以前关于全局-局部收缩先验的贡献不能轻易应用于计数数据。本文讨论用于分析计数序列的全局-局部收缩先验。我们提供了一个充分的条件，在这个条件下，对于非常大的信号，后验均值是非平稳的，这就是尾部鲁棒性。然后，我们提出了易于处理的先验函数来近似或精确地满足这些条件，并开发了一种无需调整参数的贝叶斯推理自定义后验计算算法。我们通过仿真研究和实际数据集的应用来演示所提出的方法。

MSC公司：

62至XX 统计

关键词：

重尾分布;马尔科夫蒙特卡洛;泊松分布;尾部稳健性
PDF格式BibTeX公司 XML格式引用
\textit｛Y.Hamura｝等人，贝叶斯分析。17，编号2，545--564（2022；Zbl 07809910）
全文： 内政部 arXiv公司 链接

参考文献：

[1] Armagan，A.、Clyde，M.和Dunson，D.B.（2011年）。高斯广义β混合物。在神经信息处理系统研究进展, 523-531.
[2] Bhadra，A.、Datta，J.、Polson，N.G.和Willard，B.（2016）。具有全局-局部收缩先验的默认贝叶斯分析。生物计量学103, 955-969. ·Zbl 1506.62343号 ·doi:10.1093/biomet/asw041
[3] Bhadra，A.、Datta，J.、Polson，N.G.和Willard，B.T.（2019年）。拉索遇到马蹄铁：一项调查。统计科学35, 405-427. ·Zbl 1429.62308号 ·doi:10.1214/19-STS700
[4] Brown，L.D.、Greenshtein，E.和Ritov，Y.（2013）。重新讨论了泊松复合决策问题。美国统计协会杂志108, 741-749. ·Zbl 06195975号 ·doi:10.1080/01621459.2013.771582
[5] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2010年）。稀疏信号的马蹄形估计器。生物计量学97, 465-480. ·Zbl 1406.62021号 ·doi:10.1093/biomet/asq017
[6] Datta，J.&Dunson，D.V.（2016）。准稀疏计数数据的贝叶斯推理。生物计量学103, 971-983. ·Zbl 1506.62344号 ·doi:10.1093/biomet/asw053
[7] Hamura，Y.、Irie，K.和Sugasawa，S.（2021年）。“关于计数数据的全局收缩先验”的补充材料贝叶斯分析. ·doi:10.1214/21-BA1263SUPP文件
[8] Kiefer，J.和Wolfowitz，J.（1956年）。存在无穷多个伴随参数时最大似然估计的相合性。数理统计年报27, 887-906. ·Zbl 0073.14701号 ·doi:10.1214/aoms/1177728066
[9] Koenker，R.和Mizera，I.（2014）。凸优化、形状约束、复合决策和经验贝叶斯规则。美国统计协会杂志109, 674-685. ·Zbl 1367.62020号 ·doi:10.1080/01621459.2013.869224
[10] Lawson，A.B.（2013）。贝叶斯疾病映射：空间流行病学的分层建模。查普曼和霍尔/CRC·Zbl 1266.62091号 ·doi:10.1201/b14073
[11] Li，H.、Graubarnd，B.I.和Gail，M.H.（2010年）。确定高死亡率和低死亡率地区的协变量调整和排序方法。生物识别66, 613-620. ·Zbl 1192.62228号 ·文件编号：10.1111/j.1541-0420.2009.01284.x
[12] Maruyama，Y.和Strawderman，W.E.（2020年）。未知尺度球对称分布位置向量的可容许Bayes等变估计。统计年刊48, 1052-1071. ·Zbl 1453.62284号 ·doi:10.1214/19-AOS1837
[13] Seneta，E.（1976年）。定期变化的功能。柏林-海德堡施普林格-弗拉格·Zbl 0324.26002号 ·doi:10.1007/BFb0079658
[14] Tang，X.、Ghosh，M.、Ha，N.和Sedransk，J.（2018年）。在小面积估算中使用全局-局部收缩先验建模随机效应。美国统计协会杂志1131476-1489所述·Zbl 1409.62039号 ·doi:10.1080/01621459.2017.1419135
[15] van Dyk，D.A.&Park，T.（2019年）。部分坍塌吉布斯采样器：理论和方法。美国统计协会杂志103, 790-796. ·Zbl 1471.62198号 ·doi:10.1198/0162145000000409
[16] Wakefield，J.（2006）。疾病绘图和计数数据的空间回归。牛津大学出版社·Zbl 1213.62178号
[17] Yano，K.、Kaneko，R.和Komaki，F.（2018年）。稀疏计数数据的精确最小预测密度。arXiv：1812.06037·Zbl 1478.62016号
[18] Zhou，M.和Carin，L.（2013）。负二项过程计数和混合建模。IEEE模式分析和机器智能汇刊37, 307-320. ·doi:10.1109/TPAMI.2013.211
[19] Zhu，A.、Ibrahim，J.G.和Love，M.I.（2019年）。序列计数数据的重尾先验分布：去除噪声并保留较大差异。生物信息学35, 2084-2092 ·doi:10.1093/bioinformatics/bty895
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。