×

基于期望的多元分布:性质,贝叶斯推断和应用。 (英语) Zbl 07698963号

摘要:预期值形成了一系列风险度量,最近对更常见的价值-风险或回报水平产生了兴趣,主要是因为它们能够由尾值的概率和立即实现的幅度来确定。然而,预期推理的一个普遍且持续的挑战是不确定性量化问题,这在敏感应用中尤其重要,例如在医疗、环境或工程任务中。我们通过开发一种新的分布来解决这个问题,称为基于期望的多元分布(MED),它将期望值作为一个封闭参数。分布的理想性质,如对数压缩性,使其在多元应用中成为一种极好的拟合分布。描述了最大似然估计和贝叶斯推理算法。仿真示例以及在预期和模式估计中的应用说明了MED对不确定性量化的有用性。

MSC公司:

62至XX 统计
PDF格式BibTeX公司 XML格式引用
全文: 内政部 哈尔

参考文献:

[1] Abdous,B。;Remillard,B.,《加权对称下的关联分位数和期望值》,《统计年鉴》。数学。,47, 371-384 (1995) ·Zbl 0833.62013号
[2] Absil,P.-A.公司。;Mahony,R。;Sepulchre,R.,《矩阵流形上的优化算法》(2009),普林斯顿大学出版社·Zbl 1147.65043号
[3] Andrews,D.W.,通用一致收敛,经济学。理论,8,241-257(1992)
[4] 阿扎里尼,A。;Capitanio,A.,《多元斜态正态分布的统计应用》,J.R.Stat.Soc.Ser。《美国统计年鉴》。,61, 3, 579-602 (1999) ·Zbl 0924.62050号
[5] 贝克,N。;迪·贝尔纳迪诺,E。;Mailhot,M.,多元极端预期的半参数估计,《多元分析杂志》。,184,第104758条pp.(2021)·Zbl 1467.62084号
[6] 北布马尔。;Absil,P.-A.公司。;Cartis,C.,流形上非凸优化的全局收敛速度,IMA J.Numer。分析。,39, 1, 1-33 (2018) ·Zbl 1483.65092号
[7] Brascamp,H.J。;Lieb,E.H.,关于Brunn-Minkowski和Prékopa-Leindler定理的推广,包括对数凹函数的不等式,以及扩散方程的应用,(不等式(2002),Springer),441-464
[8] 坎巴尼,S。;黄,S。;Simons,G.,《椭圆轮廓分布理论》,《多元分析杂志》。,11, 3, 368-385 (1981) ·Zbl 0469.60019号
[9] 卡彭特,B。;Gelman,A。;医学博士霍夫曼。;Lee,D。;古德里奇,B。;贝当古,M。;布鲁贝克,M。;郭杰。;李,P。;Riddell,A.,Stan:概率编程语言,J.Stat.Softw。,76, 1, 1-32 (2017)
[10] Chaudhuri,P.,《关于多元数据分位数的几何概念》,J.Amer。统计师。协会,91,434,862-872(1996)·Zbl 0869.62040号
[11] 陈,S。;黄,J.,非对称正态分布极值收敛速度,统计。普罗巴伯。莱特。,84, 158-168 (2014) ·Zbl 1296.60072号
[12] Daouia,A。;Girard,S。;Stupfler,G.,基于极端预期的尾部风险估计,J.R.Stat.Soc.Ser。《美国统计年鉴》。,80, 263-292 (2018) ·兹比尔1383.62235
[13] Daouia,A。;Paindaveine,D.,《从半空间m深度到多输出预期回归》(2019),arXiv预印本arXiv:1905.12718
[14] Fu,M.,Zhou,W.,2016年。非刚性点集配准的非对称高斯混合局部结构。2016年IEEE机器人和仿生学国际会议。ROBIO,第999-1004页。
[15] Girard,S。;Stupfler,G。;Usseglio-Carleve,A.,重尾异方差回归模型中的极端条件期望估计,Ann.Statist。,49, 6, 3358-3382 (2021) ·兹比尔1486.62141
[16] 格雷斯泰恩,I.S。;Ryzhik,I.M.,《积分、系列和产品表》(2014),学术出版社·Zbl 0918.65002号
[17] 何伟、于瑞、郑毅、姜涛,2018。使用非对称高斯混合模型的图像去噪。2018年物联网时代传感与仪器国际研讨会。ISSI,第1-4页。
[18] Herrmann,K。;霍弗特,M。;Mailhot,M.,《多元几何期望》,Scand。演员。J.,2018,7629-659(2018)·Zbl 1398.62302号
[19] 霍尔兹曼,H。;Klar,B.,预期渐近,电子。J.Stat.,10,2355-2371(2016)·Zbl 1397.62075号
[20] 黄,W。;Absil,P.-A.公司。;Gallivan,K.A.,黎曼对称秩一信任域方法,数学。程序。,150, 2, 179-216 (2015) ·兹比尔1314.65083
[21] 黄,W。;Absil,P.-A.公司。;加里凡,K.A。;Hand,P.,ROPTLIB:用于优化黎曼流形的面向对象C++库,ACM-Trans。数学。软质。,44, 4, 1-21 (2018) ·Zbl 1484.65142号
[22] 黄,W。;Gallivan,K.A.,具有重启策略的有限内存黎曼对称秩一信任区域方法,J.Sci。计算。,93, 1, 1-31 (2022) ·Zbl 1500.90069号
[23] 加藤,T。;Omachi,S。;Aso,H.,非对称高斯及其在模式识别中的应用,(IAPR模式识别(SPR)和结构与句法模式识别(SSPR)统计技术联合国际研讨会(2002),Springer),405-413·Zbl 1073.68765号
[24] Krätschmer,V。;Zähle,H.,基于预期的风险度量的统计推断,Scand。J.Stat.,44,425-454(2017)·Zbl 1422.62241号
[25] 宽,C.-M。;Yeh,J.H。;Hsu,Y.-C.,利用CARE评估风险值,条件自回归期望模型,计量经济学杂志,150,261-270(2009)·Zbl 1429.62474号
[26] A.库姆。;Wood,A.T.,Bingham和Fisher-Bingham归一化常数的鞍点近似,生物统计学,92,2,465-476(2005)·Zbl 1094.62063号
[27] Majumdar,A。;Paul,D.,零期望过程和贝叶斯空间回归,J.Compute。图表。统计人员。,25, 3, 727-747 (2016)
[28] Mardia,K.V。;Jupp,P.E.,《方向统计》(2000),《约翰·威利父子:约翰·威利和儿子纽约》·Zbl 0935.62065号
[29] 马丁·S。;A.Raim。;黄,W。;Adragni,K.,ManifoldOptim:用于黎曼流形优化的ROPTLIB库的R接口,J.Stat.Softw。,93, 1, 1-32 (2020)
[30] Maume-Deschamps,V.公司。;Rullière,D。;Said,K.,预期风险度量的多元扩展,依赖。型号。,5, 1, 20-44 (2017) ·Zbl 1358.91113号
[31] Maume-Deschamps,V.公司。;Rullière,D。;Said,K.,《多变量预期的极值》,《统计风险模型》。,35, 3-4, 111-140 (2018) ·Zbl 1408.62106号
[32] Nelsen,R.,《Copulas简介》(2007),Springer Science&Business Media
[33] 纽伊,W.K。;鲍威尔,J.L.,《非对称最小二乘估计和检验》,《计量经济学》,55,819-847(1987)·兹比尔062562047
[34] Quarteroni,A。;Sacco,R。;Saleri,F.,《数值数学》,第37卷(2010年),施普林格科学与商业媒体
[35] R Core Team,A.,R:统计计算的语言和环境(2019),R统计计算基金会:R统计计算基础,奥地利维也纳
[36] Ritter,G.,稳健聚类分析和变量选择(2014),Chapman和Hall/CRC
[37] 夏皮罗,A。;Dentcheva博士。;Ruszczynski,A.,随机规划讲座:建模与理论(2021),SIAM·Zbl 1487.90507号
[38] 田,Y。;科苏西,K。;How,J.P.,《证明正确的分布式旋转和姿势同步的黎曼楼梯上的块坐标下降》(2019),arXiv预印本arXiv:1911.03721
[39] Tseng,P.,不可微最小化的块坐标下降方法的收敛性,J.Optim。理论应用。,109, 3, 475-494 (2001) ·Zbl 1006.65062号
[40] 弗拉迪米洛娃,M。;Girard,S。;Nguyen,H.D。;Arbel,J.,Sub-Weibull分布:将次高斯和次指数特性推广到厚尾分布,Stat,9,e318(2020)
[41] Ziegel,J.F.,连贯性和可启发性,数学。财务,26,901-918(2016)·Zbl 1390.91336号
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。