×
Yu，Yu Ryan岳;丹尼尔·辛普森;芬兰·林格伦;哈瓦德街

使用随机微分方程的贝叶斯自适应平滑样条。 （英语） Zbl 1327.62234号

贝叶斯分析。 9，第2期，397-424（2014）。
摘要：平滑样条是最流行的曲线拟合方法之一，部分是因为经验证据支持其有效性，部分是由于其优雅的数学公式。然而，在实际统计工作中，有两个障碍限制了平滑样条的使用。首先，由于基函数的数量大致等于样本大小，因此对于大型数据集来说，平滑样条在计算上是禁止的。其次，其全局平滑参数只能提供恒定的平滑量，这往往导致在估计非均匀函数时性能较差。在这项工作中，我们引入了一类自适应平滑样条模型，它是通过用有限元方法求解某些随机微分方程得到的。该解决方案将平滑参数扩展为一个连续的数据驱动函数，该函数能够捕获底层流程平滑度的变化。新模型是马尔科夫模型，这使得贝叶斯计算速度更快。通过仿真研究和实际数据示例验证了该方法的有效性。

引用于12文件

MSC公司：

62G05型 非参数估计
2015年1月62日 贝叶斯推断
62G08号 非参数回归和分位数回归
60 H10型 随机常微分方程（随机分析方面）

关键词：

适应性平滑;马尔科夫蒙特卡洛;平滑样条曲线;随机微分方程

软件：

GMRF库;半标准杆;全球供应链;加迈尔;法尔迈尔
PDF格式BibTeX公司 XML格式引用
\textit{Y.R.Yue}等人，贝叶斯分析。9，第2号，397--424（2014；Zbl 1327.62234）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Abramovich，F.和Steinberg，D.M.（1996年）。非参数回归中的改进推理\(｛L｝_{k} \）-平滑样条曲线。《统计规划与推断杂志》49，327-341·Zbl 0881.62043号 ·doi:10.1016/0378-3758（95）00021-6
[2] Baladadayuthapani，V.、Mallick，B.K.和Carroll，R.J.（2005）。空间自适应贝叶斯惩罚回归样条（P样条）。计算与图形统计杂志14，378-394·doi:10.1198/106186005X47345
[3] Brezger，A.和Lang，S.（2006年）。基于贝叶斯P样条的广义结构加性回归。计算统计与数据分析50，967-991·Zbl 1431.62308号
[4] Crainiceanu，C.、Ruppert，D.、Carroll，R.、Adarsh，J.和Goodner，B.（2007年）。具有异方差误差的空间自适应Penized样条函数。计算与图形统计杂志16，265-288·doi:10.1198/106186007X208768
[5] Cummins，D.J.、Filloon，T.G.和Nychka，D.（2001）。非参数曲线估计的置信区间：朝向更均匀的逐点覆盖。《美国统计协会杂志》96，233-246·Zbl 1015.62049号 ·doi:10.19198/0162114501750332811
[6] Duchon，J.（1977年）。Sobolev空间中最小化旋转不变半范数的样条函数。在《多变量函数的构造理论》（W.Schempp和K.Zeller编辑）中，《数学讲义》第571卷，85-100，施普林格-柏林/海德堡，10.1007/BFb0086566·Zbl 0342.41012号 ·doi:10.1007/BFb0086566
[7] Eilers，P.和Marx，B.（1996年）。使用B样条曲线和惩罚进行灵活平滑（带讨论）。统计科学11，89-121·兹比尔0955.62562 ·doi:10.1214/ss/1038425655
[8] 艾尔斯，P.H.C.和马克思，B.D.（2010）。样条线、节点和惩罚。威利跨学科评论：计算统计学2，637-653。
[9] Eubank，R.L.（1999）。非参数回归和样条曲线平滑。马赛尔·德克尔公司·Zbl 0936.62044号
[10] Fahrmeir，L.和Knorr-Held，L.（2000）。动态和半参数模型。《平滑和回归：方法、计算和应用》（M.G.Schimek编辑），513-544，纽约：Wiley·Zbl 0980.62079号
[11] Fahrmeir，L.和Lang，S.（2001）。基于马尔可夫随机场先验的广义可加混合模型的贝叶斯推理。英国皇家统计学会杂志，C辑：应用统计学50，201-220·doi:10.1111/1467-9876.00229
[12] Fahrmeir，L.和Tutz，G.（2001年）。基于广义线性模型的多元统计建模。柏林：斯普林格·Zbl 0980.62052号
[13] Fahrmeir，L.和Wagenpfiel，S.（1996）。平滑离散持续时间和竞争风险模型中的风险函数和时变效应。《美国统计协会杂志》91，1584-1594·Zbl 0883.62098号 ·doi:10.2307/2291584
[14] Green，P.J.和Silverman，B.W.（1994）。非参数回归和广义线性模型：粗糙度惩罚方法。查普曼霍尔有限公司·Zbl 0832.62032号
[15] Gu，C.（2002年）。平滑样条方差分析模型。Springer-Verlag公司，纽约·兹比尔1051.62034
[16] Kimeldorf，G.S.和Wahba，G.（1970年）。随机过程的贝叶斯估计与样条平滑之间的对应。《数理统计年鉴》41，495-502·Zbl 0193.45201号 ·doi:10.1214/aoms/1177697089
[17] Krivobokova，T.、Crainiceanu，C.M.和Kauermann，G.（2008年）。快速自适应惩罚样条曲线。计算与图形统计杂志17，1-20·doi:10.1198/106186008X287328
[18] Lang，S.和Brezger，A.（2004）。贝叶斯P样条。计算与图形统计杂志13，183-212·doi:10.1198/1061860043010
[19] Lang，S.、Fronk，E.M.和Fahrmeir，L.（2002）。局部自适应动态模型的函数估计。计算统计学17，479-499·Zbl 1037.62035号 ·doi:10.1007/s001800200121
[20] Lindgren，F.和Rue，H.（2008）。关于不规则位置的二阶随机行走模型。《斯堪的纳维亚统计杂志》35，691-700·Zbl 1199.60276号 ·doi:10.1111/j.1467-9469.2008.00610.x
[21] Lindgren，F.、Rue，H.和Lindström，J.（2011）。高斯场和高斯-马尔可夫随机场之间的明确联系：随机偏微分方程方法（附讨论）。英国皇家统计学会杂志：B辑（统计方法）73，423-498·Zbl 1274.62360号 ·文件编号：10.1111/j.1467-9868.2011.00777.x
[22] Luo，Z.和Wahba，G.（1997年）。混合自适应样条线。《美国统计协会杂志》92，107-116·Zbl 1090.62535号 ·doi:10.2307/2291454
[23] O'Sullivan，F.（1986年）。不适定反问题的统计学观点。统计科学1，502-527·Zbl 0625.62110号 ·doi:10.1214/s/s1177013525
[24] Pintore，A.、Speckman，P.L.和Holmes，C.C.（2006）。空间自适应平滑样条线。生物特征93113-125·Zbl 1152.62331号 ·doi:10.1093/biomet/93.1.113
[25] Rue，H.和Held，L.（2005年）。高斯马尔可夫随机场：理论与应用，统计与应用概率专著第104卷。查普曼和霍尔，伦敦。
[26] Rue，H.、Martino，S.和Chopin，N.（2009年）。使用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断（带讨论）。英国皇家统计学会杂志，B辑：统计方法71，319-392·Zbl 1248.62156号 ·doi:10.1111/j.1467-9868.2008.00700.x
[27] Ruppert，D.和Carroll，R.J.（2000年）。样条曲线拟合的空间自适应惩罚。澳大利亚和新西兰统计杂志42，205-223。
[28] Ruppert，D.、Wand，M.和Carroll，R.（2003年）。半参数回归。剑桥大学出版社，剑桥·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453
[29] Scheipl，F.和Kneib，T.（2009年）。具有正指数先验的局部自适应贝叶斯P样条。计算统计与数据分析53，3533-3552·Zbl 1453.62191号
[30] Simpson，D.、Helton，K.和Lindgren，F.（2012年）。关于O'Sullivan样条、连续随机行走模型和平滑样条之间的连接。挪威科技大学技术报告。
[31] Speckman，P.L.和Sun，D.（2003）。完全贝叶斯样条平滑和内在自回归先验。生物特征90，289-302·Zbl 1034.62023号 ·doi:10.1093/biomet/90.2.289
[32] Staniswalis，J.G.（1989）。内核估计的本地带宽选择。《美国统计协会杂志》84，284-288·Zbl 0676.62039号 ·doi:10.2307/2289875
[33] Staniswalis，J.G.和Yandell，B.S.（1992年）。局部自适应平滑样条线。统计计算与模拟杂志43，45-53·网址：10.1080/00949659208811427
[34] Wahba，G.（1978年）。先验不正确、样条平滑以及在回归中防止模型误差的问题。英国皇家统计学会杂志，B辑：统计方法40，364-372·Zbl 0407.62048号
[35] Wahba，G.（1990年）。观测数据的样条模型。SIAM[工业和应用数学学会]，费城·Zbl 0813.62001号
[36] Walsh，J.（1986）。随机偏微分方程导论。《圣弗洛尔十四世的概率》（R.Carmona，H.Kesten和J.Walsh，eds.），数学讲义第1180卷，265-439，施普林格-柏林/海德堡，2007年10月10日/BFb0074920。
[37] Wand，M.P.和Ormerod，J.T.（2008）。关于O'Sullivan惩罚样条的半参数回归。澳大利亚和新西兰统计杂志50179-198·Zbl 1146.62030号 ·doi:10.1111/j.1467-842X.2008.00507.x
[38] Wecker，W.和Ansley，C.（1983年）。非线性回归和样条平滑的信号提取方法。《美国统计协会杂志》78，81-89·Zbl 0536.62071号 ·doi:10.2307/2287113
[39] Wood，S.（2006）。广义可加模型：R引言。CRC出版社·Zbl 1087.62082号
[40] Yu，Y.，Speckman，P.和Sun，D.（2012年）。贝叶斯自适应样条平滑的先验知识。统计数学研究所年鉴64，577-613，10.1007/s10463-010-0321-6·Zbl 1237.62037号 ·doi:10.1007/s10463-010-0321-6
[41] Yue，Y.和Speckman，P.L.（2010）。非平稳空间高斯马尔可夫随机场。《计算与图形统计学杂志》19，96-116·doi:10.1198/jcgs.2009.08124
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。