×
皮埃尔·雅各布。;Thiery，Alexandre H。

关于非负无偏估计量。 （英语） Zbl 1321.65015号

Ann.统计。 43，第2期，769-784（2015）.
作者研究了生成几乎肯定的非负估计量的算法的存在性。他们表明，如果给定一个非常数函数（f:mathbb R~ to mathbb R+）和一系列无偏估计量（lambda in mathbb R1），那么通常不存在一个算法可以几乎肯定地给出（f（lambda\ in mathbbR~+）的非负无偏估计。这意味着，对一个量（λ）的无偏估计量（X）进行抽样的能力不足以获得一个非负估计量。然而，当添加了额外的信息，从而几乎可以确定\（X\）的下限或上限可用时，则可能存在所需的算法（方案、工厂）。当\（f\）增加，\（X\）的支持度为\（[a，\infty）\）时，情况仍有部分悬而未决。即使是当\（f \）-对于给定的问题，工厂是存在的，那么本文指出，在某些情况下，无法获得非负无偏估计，因此伪边缘方法无法应用。假设的假设与最近针对大型数据集建议的一些蒙特卡罗方法一致，这些数据集利用几乎确定的边界绕过了对完全可能性的评估。作者还讨论了基于伯努利工厂或无限级数随机截断的可实现方案。所讨论的算法以概率1终止，然而，预期的计算时间不一定是有限的。
审核人：Jaromir Antoch（普拉哈）

引用于17文件

MSC公司：

65C60个 统计中的计算问题（MSC2010）
65 C50 其他概率计算问题（MSC2010）
62G05型 非参数估计
65二氧化碳 蒙特卡罗方法

关键词：

无偏估计量;泊松估计量;蒙特卡罗方法;符号问题;伯努利工厂;\（f）-工厂;算法
PDF格式BibTeX公司 XML格式引用
\textit{P.E.Jacob}和\textit{A.H.Thiery}，Ann.Stat.43，No.2，769--784（2015；Zbl 1321.65015）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Ahn，S.、Koratikara，A.和Welling，M.（2012年）。通过随机梯度Fisher评分的贝叶斯后验抽样。第29届机器学习国际会议（ICML-12）论文集1591-1598。
[2] Andrieu，C.、Doucet，A.和Holenstein，R.（2010年）。粒子马尔可夫链蒙特卡罗（带讨论）。J.罗伊。统计师。Soc.系列。乙72 357-385·文件编号：10.1111/j.1467-9868.2009.00736.x
[3] Andrieu，C.和Roberts，G.O.（2009年）。有效蒙特卡罗计算的伪边缘方法。安。统计师。37 697-725. ·Zbl 1185.60083号 ·doi:10.1214/07-AOS574
[4] Bardenet，R.、Doucet，A.和Holmes，C.（2014）。向上扩展马尔可夫链蒙特卡罗：一种自适应子采样方法。第31届国际机器学习会议（ICML-14）405-413。
[5] Beaumont，M.A.（2003年）。估计遗传监测人群的人口增长或下降。遗传学164 1139-1160。
[6] Berger，J.O.、Bernardo，J.M.和Sun，D.（2009年）。参考文献的正式定义。安。统计师。37 905-938. ·Zbl 1162.62013年 ·doi:10.1214/07-AOS587
[7] Beskos，A.、Papaspiliopoulos，O.和Roberts，G.O.（2006年）。回顾性精确模拟扩散样品路径及其应用。伯努利12 1077-1098·Zbl 1129.60073号 ·doi:10.3150/bj/1165269151
[8] Beskos，A.和Roberts，G.O.（2005年）。扩散的精确模拟。附录申请。普罗巴伯。15 2422-2444. ·Zbl 1101.60060号 ·doi:10.11214/105051605000000485
[9] Beskos，A.、Papaspiliopoulos，O.、Roberts，G.O.和Fearnhead，P.（2006）。离散观测扩散过程的精确且计算效率高的似然估计（附讨论）。J.R.统计社会服务。B.统计方法。68 333-382. ·Zbl 1100.62079号 ·doi:10.1111/j.1467-9868.2006.00552.x
[10] Bhanot，G.和Kennedy，A.D.（1985年）。带噪声的玻色子晶格规范理论。物理学。莱特。乙15770-76。
[11] Ceperley，D.M.和Dewing，M.（1999）。能量不确定随机游动的惩罚方法。化学杂志。物理学。110 9812.
[12] Chen，T.、Fox，E.B.和Guestrin，C.（2014）。随机梯度哈密顿蒙特卡罗。第31届国际机器学习会议（ICML-14）1683-1691。
[13] Del Moral，P.、Doucet，A.和Jasra，A.（2007年）。贝叶斯计算的序贯蒙特卡罗方法。贝叶斯统计8：第八届巴伦西亚国际会议记录，2006年6月2-6日（J.M.Bernardo、M.J.Bayarri、J.O.Degreoot、A.P.Dawid、D.Heckerman、A.M.Smith和M.West编辑）115-148。牛津大学出版社，牛津·Zbl 1252.62016年
[14] Everitt，R.G.（2012）。潜在马尔可夫随机场和社会网络的贝叶斯参数估计。J.计算。图表。统计师。21 940-960. ·doi:10.1080/10618600.2012.687493
[15] Fearnhead，P.、Papaspiliopoulos，O.和Roberts，G.O.（2008）。用于部分观测扩散的粒子过滤器。J.R.统计社会服务。B统计方法。70 755-777. ·Zbl 05563368号 ·doi:10.1111/j.1467-9868.2008.00661.x
[16] Fearnhead，P.、Papaspiliopoulos，O.、Roberts，G.O.和Stuart，A.（2010年）。连续时间过程的随机加权粒子滤波。J.R.统计社会服务。B统计方法。72 497-512.
[17] Flegal，J.M.和Herbei，R.（2012）。通过伯努利工厂对难以处理的概率分布进行精确采样。电子。《美国联邦法律大全》第6卷第10-37页·Zbl 1266.60130号 ·doi:10.1214/11-EJS663
[18] Frei，M.和Künsch，H.R.（2013）。架起集成卡尔曼滤波器和粒子滤波器的桥梁。生物特征100 781-800·兹比尔1279.62199 ·doi:10.1093/biomet/ast020
[19] Girolma，M.、Lyne，A.M.、Strathmann，H.、Simpson，D.和Attchade，Y.（2013）。玩俄罗斯轮盘赌的可能性很大。预打印。可从获取。
[20] Jourdain，B.和Sbai，M.（2007年）。算术平均亚式期权的精确回顾蒙特卡罗计算。蒙特卡罗方法应用。13 135-171. ·Zbl 1192.91178号 ·doi:10.1515/mcma.2007.008
[21] Keane，M.S.和O'Brien，G.L.（1994年）。伯努利工厂。ACM事务处理。模型。计算。模拟。4 213-219. ·Zbl 0844.60008号 ·doi:10.1145/175007.175019
[22] Kennedy，A.D.和Kuti，J.（1985年）。无噪声噪声：一种新的蒙特卡罗方法。物理学。修订稿。54 2473-2476.
[23] Kleiner，A.、Talwalkar，A.，Sarkar，P.和Jordan，M.I.（2014）。大规模数据的可扩展引导。J.罗伊。统计师。Soc.系列。乙76 795-816·doi:10.1111/rssb.12050
[24] Kuti，J.（1982）。晶格费米子数值研究的随机方法。物理学。修订稿。49 183-186.
[25] Łatuszyñski，K.、Kosmidis，I.、Papaspiliopoulos，O.和Roberts，G.O.（2011）。通过逆时间鞅模拟未知概率事件。随机结构算法38 441-452·Zbl 1236.60044号 ·doi:10.1002/rsa.20333
[26] Lin，L.，Liu，K.F.和Sloan，J.（2000）。有噪声的蒙特卡罗算法。物理学。版次：D 61 074505。
[27] Liu，J.S.和Chen，R.（1998）。动态系统的序贯蒙特卡罗方法。J.艾默。统计师。协会93 1032-1044·Zbl 1064.65500号 ·doi:10.2307/2669847
[28] Maclaurin，D.和Adams，R.P.（2014）。Firefly Monte Carlo：数据子集的精确MCMC。预打印。可从获取。
[29] Marin，J.-M.、Pudlo，P.、Robert，C.P.和Ryder，R.J.（2012）。近似贝叶斯计算方法。统计计算。22 1167-1180. ·Zbl 1252.62022号 ·doi:10.1007/s11222-011-9288-2
[30] McLeish，D.（2011年）。一种通用的蒙特卡罗估计方法。蒙特卡罗方法应用。17 301-315. ·Zbl 1238.65004号 ·doi:10.1515/mcma.2011.013年
[31] Möller，J.、Pettitt，A.N.、Reeves，R.和Berthelsen，K.K.（2006）。一种求解具有难以处理的归一化常数分布的高效马尔可夫链蒙特卡罗方法。生物特征93 451-458·Zbl 1158.62020号 ·doi:10.1093/biomet/93.2.451
[32] Nacu，⑩。和Peres，Y.（2005）。从旧硬币快速模拟新硬币。附录申请。普罗巴伯。15 93-115. ·Zbl 1072.65007号 ·doi:10.1214/10505160400000549
[33] Nicholls，G.K.、Fox，C.和Watt，A.M.（2012年）。MCMC与随机接受概率耦合。预打印。可从获取。
[34] Olsson，J.和Ströjby，J.（2011）。部分观测扩散过程中基于粒子的似然推断，使用广义泊松估计。电子。《美国联邦法律大全》第5卷第1090-1122页·Zbl 1274.62564号 ·doi:10.1214/11-EJS632
[35] Papaspiliopoulos，O.（2011年）。扩散过程蒙特卡罗概率推断的方法框架。贝叶斯时间序列模型（D.Barber、A.T.Cemgil和S.Chiappa编辑）82-99。剑桥大学出版社，剑桥。
[36] Rhee，C.-h.和Glynn，P.W.（2012）。一种新的无偏估计方法。冬季模拟会议记录。17:1-17:7. 柏林冬季模拟会议。
[37] Rhee，C.-h.和Glynn，P.W.（2013）。SDE模型平方根收敛的无偏估计。技术报告，斯坦福大学，加利福尼亚州斯坦福·Zbl 1347.65016号 ·文件编号：10.1287/opre.2015.1404
[38] Rychlik，T.（1990年）。均值导数的无偏非参数估计。统计师。普罗巴伯。莱特。10 329-333. ·Zbl 0703.62049号 ·doi:10.1016/0167-7152（90）90051-8
[39] Rychlik，T.（1995）。概率密度函数的一类无偏核估计。申请。数学。（华沙）22 485-497·Zbl 0814.62022号
[40] Sermaidis，G.、Papaspiliopoulos，O.、Roberts，G.O.、Beskos，A.和Fearnhead，P.（2015）。马尔可夫链蒙特卡罗用于扩散的精确推断。扫描。《美国法律总汇》第40卷第294-321页·Zbl 1328.65015号 ·数字对象标识代码：10.1111/j.1467-9469.2012.00812.x
[41] Thomas，A.C.和Blanchet，J.H.（2011）。伯努利工厂的实际实施。预打印。可从获取。
[42] Tran，M.N.、Scharth，M.、Pitt，M.K.和Kohn，R.（2013）。潜在变量模型中贝叶斯推断的重要性抽样平方预印本。网址：。
[43] Troyer，M.和Wiese，U.-J.（2005年）。费米子量子蒙特卡罗模拟的计算复杂性和基本限制。物理学。修订稿。94 170201.
[44] Wagner，W.（1987）。某些函数积分的无偏蒙特卡罗计算。J.计算。物理学。71 21-33. ·Zbl 0619.65011号 ·doi:10.1016/0021-9991（87）90017-9
[45] Walker，S.G.（2011）。当归一化常数未知时进行后验采样。通信统计。仿真计算。40 784-792. ·Zbl 1216.62043号 ·doi:10.1080/03610918.2011.555042
[46] Welling，M.和Teh，Y.W.（2011年）。基于随机梯度Langevin动力学的贝叶斯学习。第28届国际机器学习大会论文集（ICML-11）681-688。
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。