Petrone,Sonia公司;拉里·瓦瑟曼 Bernstein多项式后验的一致性。 (英语) Zbl 1015.62033号 J.R.Stat.Soc.,塞尔维亚。B、 统计方法。 64,第1号,79-100(2002)。 摘要:Bernstein先验是对\([0,1]\)上所有分布函数空间的概率测度。在非常一般的假设下,它选择绝对连续的分布函数,其密度是已知β密度的混合物。伯恩斯坦先验在连续数据的贝叶斯非参数推断中很有意义。我们研究了Bernstein先验的后验一致性。我们首先证明,在温和的假设下,对于([0,1]\)上具有连续且有界勒贝格密度的任何分布函数(P_0),后验都是弱一致的。在先验假设略强的情况下,后验假设也是海林格一致的。这意味着来自伯恩斯坦先验的预测密度,即贝叶斯密度估计,在海林格意义上收敛到真实密度(假设它是连续且有界的)。我们还研究了密度估计的筛极大似然版本,并表明在弱假设下它也是Hellinger一致的。当伯恩斯坦多项式的阶数,即贝塔分布混合物中的分量数被截断时,我们证明在轻度限制下,后验函数集中于伪真密度集。最后,我们从数值上研究了预测密度的行为,并研究了一种混合贝叶斯极大似然密度估计。 引用于58文件 MSC公司: 62克07 密度估算 2015年1月62日 贝叶斯推断 6220国集团 非参数推理的渐近性质 65C60个 统计中的计算问题(MSC2010) 关键词:预测密度;弱稠度;强一致性;渐近推断;筛选最大似然 PDF格式BibTeX公司 XML格式引用 \textit{S.Petrone}和\textit{L.Wasserman},J.R.Stat.Soc.,Ser。B、 统计方法。64,第1号,79-100(2002年;兹bl 1015.62033) 全文: 内政部 参考文献: [1] 1楼。Altomare和M.Campiti(1994),Korovkin型近似理论及其应用。柏林:de Gruyter·Zbl 0924.41001号 [2] 第二章。Barron(1988)后验概率的指数收敛性及其对密度函数Bayes估计的影响。未发布。伊利诺伊大学,乌尔班纳分校。 [3] 数字对象标识码:10.1007/s004400050210·Zbl 0946.62036号 ·doi:10.1007/s004400050210 [4] Barron A.,Ann.统计师。第27页,536页–(1999年) [5] Barron A.,IEEE传输。通知。理论44 pp 95–(1995) [6] 伯克·R·H·安·数学。统计师。第37页第51页–(1966年) [7] 安。数学。统计师。第41页,第894页–(1970年) [8] DOI:10.1214/aos/1028144851·Zbl 0929.62022号 ·doi:10.1214/aos/1028144851 [9] DOI:10.1016/S0167-9473(99)00010-9·Zbl 0935.62042号 ·doi:10.1016/S0167-9473(99)00010-9 [10] 10摄氏度。Dellacherie和P.A.Meyer(1982),概率和潜力,第B卷,阿姆斯特丹:北荷兰人。 [11] Diaconis P.,Ann.统计师。第14页第1页–(1986年) [12] 安。统计师。第18页1317–(1990) [13] 安。统计师。第21页,2108页–(1993) [14] 第14章。Epifani(1999)关于随机Bernstein多项式概率定律的一些结果及其在贝叶斯统计中的应用(意大利语)。博士论文。特伦托大学。 [15] Gaudart M.,扫描。J.统计。第16页167页–(1989) [16] Genovese C.,Ann.统计师。第1105页第28页–(2000年) [17] 17秒。Ghosal、J.K.Ghosh和R.V.Ramamoorthi(1998)贝叶斯非参数中的一致性问题。在《渐近、非参数和时代系列:向Madan Lal Puri致敬》(编辑S.Gosh)中。纽约:Dekker。 [18] DOI:10.1016/S0378-3758(98)00192-X·Zbl 1054.62528号 ·doi:10.1016/S0378-3758(98)00192-X [19] 安。统计师。第143页第27页–(1999年) [20] Ghosal S.,Ann.统计师。第28页,500–(2000) [21] Kass R.E.,J.美国统计学家。资产负债表90第928页–(1995年) [22] Lo A.Y.,Ann.统计师。第12页,第351页–(1984年) [23] Marron J.S.,Ann.统计师。第20页,712页–(1992年) [24] Petrone S.,扫描。J.统计。第26页,第373页–(1999年) [25] 可以。J.统计。第27页105–(1999) [26] 第26章。Petrone和P.Veronese(2001)基于指数随机方案的非参数混合物先验。2001年4月的研究报告。瓦雷斯市意大利保险大学经济研究院。 [27] Schwartz L.,Z.Wahrsch。Geb版本。第10页,共4页–(1965年) [28] 28倍。Shen和L.Wasserman(2001)后验分布的收敛速度。安.统计师。,待发布·Zbl 1041.62022号 [29] 29B年。W.Silverman(1986)《统计和数据分析密度估计》。伦敦:查普曼和霍尔。 [30] 30安。Tenbusch(1995)用Bernstein估计进行非参数曲线估计。奥斯纳布鲁克:拉斯维加斯大学·Zbl 0844.62028号 [31] 31安。W.van der Vaart(1998)渐进统计学。剑桥:剑桥大学出版社·Zbl 0910.62001号 [32] 32安。W.van der Vaart和J.A.Wellner(1996)《弱收敛和经验过程》。纽约:斯普林格·Zbl 0862.60002号 [33] 33卢比。A.Vitale(1975)密度估计的伯恩斯坦多项式方法。《统计学推断和相关主题》(M.L.Puri编辑),第2卷,第87-100页。纽约:学术出版社。 [34] 34升。Wasserman(1998)非参数贝叶斯过程的渐近性质。实用非参数和半参数贝叶斯统计(编辑D.Dey,P.Muller和D.Sinha)。纽约:斯普林格。 [35] Wong W.H.,Ann.统计师。第23页,339页–(1995年) [36] 36秒。S.Wu和M.T.Wells(1999)使用伯恩斯坦多项式进行非参数贝叶斯密度和风险率估计。未发布。伊萨卡康奈尔大学。 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。