丹·斯皮茨纳。 灵活先验下的校准贝叶斯因子。 （英语） Zbl 07770403号 Stat.方法应用。 32，第3期，733-767（2023）. 小结：本文开发并探索了一种稳健的贝叶斯因子，该因子源自一种校准技术，使其与所获得的先验知识特别兼容。在先前研究的基础上，特定的稳健贝叶斯因子（称为中性数据比较）适用于在由信息先验定义的配置中与现有稳健贝叶斯因子（如分数和固有贝叶斯因数）进行广泛比较。此外，还开发了用于灵活参数先验的校准技术，即混合先验分布和可能对称或倾斜的成分，并在法医学的示例环境中进行了演示。在整个探索过程中，中性数据比较显示出理想的灵敏度特性，并有望适应复杂的数据分析场景。 MSC公司： 62至XX 统计 关键词：稳健贝叶斯因子;启发;分数贝叶斯因子;固有贝叶斯因子;混合物优先;法医学 软件：贝叶斯DA PDF格式BibTeX公司 XML格式引用 \textit{D.J.Spitzner}，统计方法应用。32，编号3，733--767（2023；Zbl 07770403） 全文： 内政部 参考文献： [1] 艾特肯，C。；Taroni，F.，《法医科学家的统计和证据评估》（第二期），Wiley（2004年）·Zbl 1057.62118号 ·数字对象标识代码：10.1002/0470011238 [2] CGG艾特肯；Lucy，D.，多变量数据形式的痕量证据评估，Appl Stat，5311109-122（2004）·Zbl 1111.62390号 [3] CGG艾特肯；Nordgaard，A。；塔罗尼，F。；Biedermann，A.，评论：似然比作为法医证据的权重，Front Genet，9，2241-2（2018）·doi:10.3389/fgene.2018.00224 [4] Bartlet，MS，评论DV Lindley的统计悖论，生物统计学，44533-534（1957）·Zbl 0081.13801号 ·doi:10.1093/生物技术/44.3-4.533 [5] 巴亚里，MJ；JO伯杰；Forte，A。；García-Donato，G.，《贝叶斯模型选择标准及其在变量选择中的应用》，《Ann Stat》，第40期，第1550-1577页（2012年）·Zbl 1257.62023号 ·doi:10.1214/12-AOS1013 [6] JO Berger，《统计决策理论和贝叶斯分析》（第二版）（1985年），纽约：Springer，纽约·Zbl 0572.62008号 ·doi:10.1007/978-1-4757-4286-2 [7] JO Berger，《客观贝叶斯分析案例》，贝叶斯评析（2006）·Zbl 1331.62043号 ·doi:10.1214/06-BA115 [8] JO伯杰；莫雷诺，E。；佩里奇，LR；巴亚里，MJ；贝纳多，JM；JA卡诺；Sivaganesan，S.，鲁棒贝叶斯分析综述，Test，3124-315（1994）·doi:10.1007/BF02562676 [9] JO伯杰；Mortera，J.，非嵌套假设检验的默认贝叶斯因子，美国统计协会杂志，94542-554（1999）·Zbl 0996.62018号 ·doi:10.2307/2670175 [10] JO伯杰；Pericchi，L.，模型选择和预测的内在贝叶斯因子，美国统计协会杂志（1996）·Zbl 0870.62021号 ·doi:10.2307/2291387 [11] JO伯杰；Sellke，T.，《检验无效假设：p值和证据的不可调和性》，《美国统计学会杂志》，第82期，第112-122页（1987年）·Zbl 0612.62022号 [12] 卡诺，J。；Salmerón，D.，嵌套和非嵌套贝叶斯模型比较的积分先验和约束假想训练样本，贝叶斯分析，8361-380（2013）·Zbl 1329.62118号 ·doi:10.1214/13-BA812 [13] 卡瓦略，C。；Scott，J.，高斯图形模型中的客观贝叶斯模型选择，Biometrika（2009）·1170.62020兹罗提 ·doi:10.1093/biomet/asp017 [14] 康索尼，G。；Fouskakis，D。；Liseo，B。；Ntzoufras，I.，客观贝叶斯分析的先验分布，贝叶斯Anal（2018）·Zbl 1407.62073号 ·doi:10.1214/18-BA1103 [15] 康索尼，G。；罗卡，法学博士；Peluso，S.，《客观贝叶斯协变量调整稀疏图形模型选择》，Scand J Stat，44，741-764（2017）·Zbl 06774144号 ·doi:10.1111/jos.12773 [16] Corander，J。；Villani，M.，降秩回归中维度的贝叶斯评估，Stat Neerl（2004）·Zbl 1059.62022号 ·文件编号：10.1111/j.1467-9574.2004.00108.x [17] Curran，JM，《为法医科学家引入R数据分析》（2011年），博卡拉顿：CRC出版社，博卡拉通 [18] De Santis，F。；Spezzaferri，F.，模型选择的替代贝叶斯因子，Can J Stat，25，503-515（1997）·Zbl 0894.62031号 ·doi:10.2307/3315344 [19] De Santis，F。；Spezzaferri，F.，《默认和稳健贝叶斯模型比较方法：分数贝叶斯因子法》，《国际统计评论》，67，671-720（1999）·Zbl 0944.62027号 ·doi:10.1111/j.1751-5823.1999.tb00449.x [20] Dellaportas，P。；福斯特，JJ；Ntzoufras，I.，模型空间和参数空间先验分布的联合规范，Stat Sci，27232-246（2012）·Zbl 1330.62117号 ·doi:10.1214/11-STS369 [21] Egidi，L。；Pauli，F。；Torelli，N.，《通过混合先验避免回归模型中的先验数据冲突》，Can J Stat（2022）·Zbl 1492.62058号 ·doi:10.1002/cjs.11637 [22] 欧洲法医科学研究所网络（2015）ENFSI指纹检查最佳实践手册ENFSI-BPM-FIN-01 [23] 盖尔曼，A。；卡林，JB；斯特恩，HS；邓森，DB；弗吉尼亚州鲁宾；Donald，B.，贝叶斯数据分析（3）（2013），纽约：查普曼和霍尔/CRC出版社，纽约·Zbl 1279.62004号 ·doi:10.1201/b16018 [24] Gittelson，S。；伯杰，首席执行官；Jackson，G。；伊维特，IW；Champod，C。；罗伯逊·B·巴克顿。；James，S.，lund和iyer对“作为证据权重的似然比：仔细观察”的回应，《法医科学国际》，288，e15-e19（2018）·doi:10.1016/j.forscinint.2018.05.025 [25] Goldstein，M.，《主观贝叶斯分析：原理与实践》，贝叶斯论著（2006）·Zbl 1331.62047号 ·doi:10.1214/06-BA116 [26] 好，IJ，《概率与证据权衡》，163-164（1950），伦敦：剑桥大学出版社，伦敦·兹比尔0036.08402 [27] Jeffreys H（1961）概率论（第三）。牛津大学出版社：牛津·Zbl 0116.34904号 [28] 约翰逊，VE；Rossell，D.，《关于使用非局部先验密度进行默认贝叶斯假设检验》，《皇家统计学会期刊B》，72，143-170（2010）·Zbl 1411.62019年 ·文件编号：10.1111/j.1467-9868.2009.00730.x [29] 卡斯，RE；Raftery，AE，Bayes factors，J Am Stat Assoc（1995）·Zbl 0846.62028号 ·doi:10.2307/2291091 [30] 卡斯，RE；Wasserman，L.，嵌套假设的参考贝叶斯检验及其与Schwarz准则的关系，美国统计协会杂志，90，928-934（1995）·Zbl 0851.62020号 ·doi:10.1080/01621459.1995.10476592 [31] 卡斯，RE；Wasserman，L.，《通过形式规则选择先验分布》，美国统计协会杂志，91，1343（1996）·Zbl 0884.62007号 ·doi:10.1080/01621459.1996.10477003 [32] 林德利，DV，《统计悖论》，《生物统计学》，44187（1957）·Zbl 0080.12801号 ·doi:10.1093/biomet/44.1-21.187 [33] Lindley，DV，《法医学中的一个问题》，Biometrika（1977）·doi:10.2307/2335686 [34] Liseo，B。；克里亚多，D。；Ruggeri，IF，稳健贝叶斯分析，稳健贝叶斯分析，197-222（2000），纽约州纽约市：纽约州施普林格·Zbl 1281.62080号 ·doi:10.1007/978-1-4612-1306-2_11 [35] 隆德，SP；Iyer，H.，《作为法医证据权重的似然比：更仔细的观察》，《美国国家科学院技术研究所期刊》，第122期，第1-32页（2017年） [36] 莫雷诺，E。；佩里奇，LR；耶利亚兹科夫，I。；Poirier，DJ，客观贝叶斯模型选择的内在先验，贝叶斯模式比较，279-300（2014），宾利：UKE merald Group Publishing Limited，宾利·Zbl 1453.62392号 ·doi:10.1108/S0731-905320140000034012 [37] Morrison，G.，回应：“NIST专家敦促谨慎使用法庭证据出示方法”，SSRN Electron J（2017）·doi:10.2139/ssrn.3054092 [38] 奥克利，JE；O'Hagan，A.，《先前启发的不确定性：非参数方法》，《生物特征识别》（2007）·Zbl 1132.62019年 ·doi:10.1093/biomet/asm031 [39] O'Hagan，A.，鲁棒贝叶斯分析概述的讨论，Test，3197-98（1994） [40] O'Hagan，A.，模型比较的分数贝叶斯因子，《皇家统计学会杂志》B，57，99-138（1995）·Zbl 0813.62026号 [41] 奥哈根，Aa；巴克，C。；Daneshkhah，Aa-Ea；艾瑟，J。；Garthwaite，Ra；哈，P。；Ja，Jenkinson D。；Ta，Rakow，《不确定性判断：引出专家的概率》（2006年），纽约：威利出版社，纽约·Zbl 1269.62009号 ·doi:10.1002/0470033312 [42] 欧曼，DM；Saunders，CP，《构建统一的统计框架，用于法医鉴定来源问题》，法律概率风险（2018）·doi:10.1093/lpr/mgy008 [43] 总统科学技术顾问委员会（2016）《刑事法院的法医学：确保特征比较方法的科学有效性》 [44] 拉莫斯，D。；Gonzalez-Rodriguez，J.，《可靠支持：测量似然比的校准》，《法医科学国际》，230，156-169（2013）·doi:10.1016/j.forsciint.2013.04.014 [45] Robert，CP，《杰弗里斯·林德利悖论注释》，《Stat Sin》，第3603-608页（1993年）·Zbl 0823.62006号 [46] CP罗伯特；Casella，G.，Monte Carlo统计方法（1999），纽约：Springer，纽约·Zbl 0935.62005号 ·doi:10.1007/978-1-4757-3071-5 [47] 施密德利，H。；格斯泰格，S。；Roychoudhury，S。；奥哈根，A。；Spiegelhalter，D。；Neuenschwander，B.，使用历史控制信息进行临床试验的稳健荟萃分析预测先验，生物统计学（2014）·Zbl 1393.62098号 ·doi:10.1111/biom.12242 [48] Schwarz，G.，估算模型的维数，Ann Stat，6461-464（1978）·Zbl 0379.62005年 ·doi:10.1214/aos/1176344136 [49] Shafer，G.，Lindley悖论，《美国统计学会杂志》，77，325-334（1982）·Zbl 0491.62004号 ·doi:10.1080/01621459.1982.10477809 [50] 史密斯，AFM；Spiegelhalter，D.，线性模型的贝叶斯因子和选择标准，皇家统计学会期刊B，42，213-220（1980）·兹比尔0433.62045 [51] 斯皮茨纳，DJ，贝叶斯测试的中性数据比较，《贝叶斯分析》，第6期，第603-638页（2011年）·Zbl 1330.62155号 ·doi:10.1214/11-BA623 [52] 斯皮茨纳，DJ，使用校准的先验概率进行主观贝叶斯检验，Braz J Probab Stat，33，4861-893（2019）·Zbl 1450.62022号 ·doi:10.1214/18-BJPS424 [53] 斯皮茨纳，DJ，报告证据强度作为池减少的统计基础，美国统计局（2022年）·Zbl 07699834号 ·doi:10.1080/00031305.2022.2026478 [54] Tackett，M.，《创建指纹数据库和量化证据依赖性的贝叶斯方法》（2018），夏洛茨维尔：弗吉尼亚大学，夏洛茨维尔 [55] 塔罗尼，F。；波扎，S。；比德曼，A。；Aitken，C.，消除评估似然比时的不确定性错觉，法律概率风险（2016）·doi:10.1093/lpr/mgv008 [56] 威廉姆森，D。；Goldstein，M.，《后验信念评估：从复杂统计模型的贝叶斯分析中提取有意义的主观判断》，贝叶斯统计分析（2015）·Zbl 1335.62024号 ·doi:10.1214/15-BA966SI [57] AJ Womack；Leon Nevelo，L。；Casella，G.，在模型选择和不确定性下从固有贝叶斯程序推断，美国统计协会杂志（2014）·兹比尔1368.62069 ·doi:10.1080/01621459.2014.880348 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。