迈克尔·拉文 统计建模的Pólya树分布的更多方面。 （英语） Zbl 0820.62016号 Ann.统计。 第3期第22页，1161-1176页（1994年）. 综述：综述了Polya树分布的定义和基本性质。给出了两个定理，证明了Polya树可以被构造成任意紧密地集中于任何期望的pdf，并且Polya树状先验可以在每个具有有限熵的正密度的每个相对熵邻域中放置正质量，从而满足一致性条件。对于Dirichlet过程，这样的定理是错误的。将部分指定的Polya树与其他信息（如单调性或单峰性）结合起来构建模型。本文展示了如何计算给定规格的所有先验值类的后验期望界。给出了一个数值例子。一个定理P.迪亚科尼和D.弗里德曼[同上，14、68-87（1986年；Zbl 0595.62023号)]关于Dirichlet过程被推广到Polya树，允许Polya树形结构作为回归问题中误差的模型。最后，将使用Dirichlet过程的经验Bayes模型推广到Polya树。示例来自D.A.贝里和R.克里斯滕森[同上7，558-568（1979年；Zbl 0407.62018年)]用Polya树模型重新分析。 引用于1审查引用于68文件 理学硕士： 62E10型 统计分布的特征和结构理论 62A01型 统计学基础和哲学主题 62G99型 非参数推理 关键词：非参数回归;稳健贝叶斯;无尾工艺;Pólya树分布;Pólya树先验;熵邻域;一致性条件;Dirichlet过程;后验期望的界;回归问题中的错误;经验贝叶斯模型 引文：Zbl 0595.62023号;Zbl 0407.62018年 PDF格式BibTeX公司 XML格式引用 \textit{M.Lavine}，Ann.Stat.22，No.3，1161--1176（1994；Zbl 0820.62016） 全文： 内政部