萨拉·菲利皮;克里斯·霍尔姆斯。;Nieto-Barajas，Luis E。 通过Dirichlet过程混合探索成对依赖性的可缩放贝叶斯非参数度量。 （英语） Zbl 1358.62058号 电子。J.统计。 10，第2期，3338-3354（2016）。 摘要：在本文中，我们使用Dirichlet过程混合（DPM）模型提出了新的贝叶斯非参数方法，用于检测随机变量之间的成对依赖性，同时考虑潜在分布形式的不确定性。一个关键标准是，这些过程应扩展到大型数据集。在这方面，我们发现对于依赖与vs.无关的DPM联合概率测度，形式化计算Bayes因子在计算上是不可行的。为了解决这个问题，我们提出了贝叶斯诊断方法，用于描述证据的特征，以对抗成对独立的“空模型”。在模拟研究和实际数据分析中，我们表明，我们的方法为探索性地对大型多元数据集进行非参数贝叶斯分析提供了一个有用的工具。 引用于5文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62克05 非参数估计 2015年1月62日 贝叶斯推断 62H17型 应急表 62H20个 关联度量（相关性、典型相关性等） 关键词：贝叶斯非参数;列联表;依赖性度量;假设检验;混合物模型;相互信息;Dirichlet工艺混合物 PDF格式BibTeX公司 XML格式引用 \textit{S.Filippi}等人，《电子》。J.Stat.10，No.2，3338--3354（2016；Zbl 1358.62058） 全文： 内政部 arXiv公司 欧几里得