詹姆斯·沃森;克里斯·福尔摩斯 近似模型和稳健决策。 (英语) Zbl 1436.62027号 统计科学。 31,第4期,465-489(2016). 概要:部分或完全基于概率模型预测的决策可能对模型错误指定很敏感。统计学家从早期就被教导“所有的模型都是错误的,但有些是有用的”;然而,对于如何评估模型近似对决策的影响,或者在最优行动对模型保真度敏感时如何进行,几乎没有正式的指导。本文概述了跨不同学科的最新发展,以解决这一问题。我们回顾了诊断技术,包括图形方法和汇总统计,以帮助突出通过最小化对模型错误指定敏感的预期损失而做出的决策。然后,我们通过量化模型空间邻域内最优行为对模型扰动的稳定性,来考虑模型指定错误情况下决策的形式化方法。这个邻域可以用两种方式中的任何一种来定义。首先,在强意义上,通过近似模型周围的信息(Kullback-Leibler)散度。其次,使用以近似模型为中心的贝叶斯非参数模型(先验),以“平均”可能的错误规范。这是在稳健控制、宏观经济学和金融数学文献中最近的工作背景下提出的。我们始终采用贝叶斯方法,尽管演示文稿对此立场不可知。 引用于7评论引用于17文件 MSC公司: 62A01级 统计学基础和哲学主题 62C05型 统计决策理论的一般考虑 62G35型 非参数稳健性 62-08 统计问题的计算方法 62P05号 统计学在精算科学和金融数学中的应用 关键词:计算决策理论;型号规格错误;D-开放问题;Kullback-Leibler散度;稳健性;贝叶斯非参数 PDF格式BibTeX公司 XML格式引用 \textit{J.Watson}和\textit{C.Holmes},统计科学。31,第4号,465--489(2016;Zbl 1436.62027) 全文: DOI程序 arXiv公司 欧几里得 参考文献: [1] Ahmadi-Javid,A.(2011年)。构建一致风险度量的信息理论方法。在IEEE国际信息理论研讨会论文集(ISIT)2125-2127。IEEE,纽约。 [2] Ahmadi-Javid,A.(2012年)。熵值风险:一种新的一致性风险度量。J.优化。理论应用155 1105-1123·Zbl 1257.91024号 [3] Artzner,P.、Delbaen,F.、Eber,J.-M.和Heath,D.(1999)。一致的风险度量。数学。财务9 203-228·Zbl 0980.91042号 [4] Autier,P.(2015)。乳腺癌:从40岁开始筛查对健康的益处令人怀疑。自然修订临床。Oncol.12 570-572。 [5] Baio,G.和Dawid,A.P.(2015)。卫生经济学中的概率敏感性分析。统计方法医学研究24 615-634。 [6] Beaumont,M.A.、Zhang,W.和Balding,D.J.(2002)。群体遗传学中的近似贝叶斯计算。遗传学162 2025-2035。 [7] Belsley,D.A.、Kuh,E.和Welsch,R.E.(1980)。回归诊断:识别影响数据和共线性来源。纽约威利·Zbl 0479.62056号 [8] Berger,J.O.(1984)。稳健的贝叶斯观点。贝叶斯分析的稳健性(J.Kadane,ed.)63-144。荷兰北部,阿姆斯特丹。 [9] Berger,J.O.(1985)。《统计决策理论与贝叶斯分析》,第二版,纽约斯普林格出版社·Zbl 0572.62008号 [10] Berger,J.O.(1994)。稳健贝叶斯分析概述。测试3 5-124·Zbl 0827.62026号 [11] Berger,J.和Berliner,L.M.(1986年)。带有(ε)污染先验的稳健贝叶斯和经验贝叶斯分析。《统计年鉴》.14 461-486·Zbl 0602.62004号 [12] Bernardo,J.-M.和Smith,A.F.M.(1994)。贝叶斯理论。奇切斯特·威利·Zbl 0796.6202号 [13] Bissiri,P.G.、Holmes,C.C.和Walker,S.G.(2013)。更新信念分布的通用框架。J.R.统计社会服务。B.统计方法。预印。可在arXiv:1306.6430购买·Zbl 1414.62039号 [14] Bissiri,P.G.和Walker,S.G.(2012年)。利用Kullback-Leibler散度将信息转换为概率测度。Ann.Inst.统计。数学64 1139-1160·Zbl 1253.62005年 [15] Box,G.E.P.和Draper,N.R.(1987年)。经验模型构建和响应面。纽约威利·Zbl 0614.62104号 [16] Breuer,T.和Csiszár,I.(2013)。具有熵似然约束的系统压力测试。J.银行。财务37 1552-1559。 [17] Breuer,T.和Csiszár,I.(2016)。衡量分销模式风险。数学。财务26 395-411·Zbl 1348.91290号 [18] Carota,C.、Parmigiani,G.和Polson,N.G.(1996年)。模型批评的诊断措施。J.艾默。统计师。协会91 753-762·Zbl 0868.62012年 [19] Chipman,H.A.、George,E.I.和McCulloch,R.E.(1998)。贝叶斯CART模型搜索。J.艾默。统计师。协会443 935-948。 [20] 国家研究委员会、海量数据分析委员会、应用与理论统计委员会、数学科学及其应用委员会和工程与物理科学部(2013年)。海量数据分析的前沿。国家学院出版社,华盛顿特区。 [21] Dalalyan,A.和Tsybakov,A.B.(2008)。通过指数加权、尖锐的PAC-Baysian边界和稀疏性进行聚集。机器。学习72 39-61·Zbl 1470.62054号 [22] Dalalyan,A.S.和Tsybakov,A.B.(2012)。通过聚合和Langevin Monte-Carlo进行稀疏回归学习。J.计算。系统科学78 1423-1443·Zbl 1244.62054号 [23] Del Moral,P.、Doucet,A.和Jasra,A.(2006年)。连续蒙特卡罗采样器。J.R.统计社会服务。B.《法律总汇》方法68 411-436·Zbl 1105.62034号 [24] Dempster,A.P.(1975)。主观主义者看待稳健性。牛市。国际统计学会46 349-374·Zbl 0354.62046号 [25] Denison,D.G.T.、Holmes,C.C.、Mallick,B.K.和Smith,A.F.M.(2002)。非线性分类和回归的贝叶斯方法。奇切斯特·威利·Zbl 0994.62019号 [26] Fearnhead,P.和Prangle,D.(2012年)。为近似贝叶斯计算构建汇总统计:半自动近似贝叶斯计算。J.R.统计社会服务。B.统计方法74 419-474·Zbl 1411.62057号 [27] Gelman,A.(2007)。使用回归和多级/层次模型进行数据分析。剑桥大学出版社,马萨诸塞州剑桥。 [28] Gilboa,I.和Schmeidler,D.(1989)。Maxmin预期效用与非均匀先验。数学杂志。《经济学》18 141-153·Zbl 0675.90012号 [29] 很好,I.J.(1952)。理性决策。J.R.Stat.Soc.系列。B.统计方法.14 107-114。 [30] Grünwald,P.和van Ommen,T.(2014)。错误指定线性模型的贝叶斯推断不一致,以及修复建议。预印本。可从arXiv:1412.3730获得·Zbl 1384.62088号 [31] Hand,D.J.(2006)。分类器技术和进步的幻觉。统计师。科学21 1-34·Zbl 1426.62188号 [32] Hansen,L.P.和Sargent,T.J.(2001a)。承认宏观经济理论中的错误规定。经济收益率。第4王朝,公元519-535年。 [33] Hansen,L.P.和Sargent,T.J.(2001b)。鲁棒控制和模型不确定性。美国经济。版次91 60-66。 [34] Hansen,L.P.和Sargent,T.J.(2008)。坚固性。普林斯顿大学出版社,新泽西州普林斯顿·Zbl 1134.93001号 [35] Hansen,L.P.、Sargent,T.J.、Turmuhambetova,G.和Williams,N.(2006年)。鲁棒控制和模型指定错误。《经济学杂志》。理论128 45-90·Zbl 1152.93356号 [36] Hastie,T.和Tibshirani,R.(1993年)。变系数模型。J.R.统计社会服务。B.统计方法55 757-796·Zbl 0796.62060号 [37] Hjort,N.L.、Holmes,C.C.、Müller,P.和Walker,S.G.(2010年)。贝叶斯非参数。剑桥大学出版社,马萨诸塞州剑桥·Zbl 1360.62124号 [38] Huber,P.J.(2011)。稳健统计。柏林施普林格·Zbl 0839.01016号 [39] Kadane,J.B.编辑(1984年)。贝叶斯分析的稳健性。荷兰北部,阿姆斯特丹·Zbl 0537.62031号 [40] Kadane,J.B.和Chuang,D.T.(1978年)。稳定决策问题。《统计年鉴》第6卷第1095-1110页·兹伯利0382.62005 [41] Kadane,J.B.和Srinivasan,C.(1994年)。讨论Berger,J.O.,稳健贝叶斯分析概述。试验116-120。 [42] Kerman,J.、Gelman,A.、Zheng,T.和Ding,Y.(2008)。贝叶斯数据分析中的可视化。数据可视化手册709-724。柏林施普林格·Zbl 1140.68519号 [43] Löberg,M.、Lousdal,M.L.、Bretthauer,M.和Kalager,M.(2015)。乳房X光检查的益处和危害。乳腺癌研究治疗17 63。 [44] 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 [45] Marjoram,P.、Molitor,J.、Plagnol,V.和Tavaré,S.(2003)。无可能性的马尔可夫链蒙特卡罗。程序。国家。阿卡德。科学。美国100 15324-15328。 [46] Marmot,M.G.等人(2012年)。乳腺癌筛查的益处和危害:一项独立综述。《柳叶刀》380 1778-1786。 [47] McCulloch,R.E.(1989)。局部模型影响。J.艾默。统计师。协会84 473-478。 [48] Miller,J.W.和Dunson,D.B.(2015)。通过粗化实现稳健的贝叶斯推理。预印本。可从arXiv:1506.06101获得·兹比尔1428.62287 [49] Minka,T.P.(2001)。近似贝叶斯推理的期望传播。第十七届人工智能不确定性会议记录362-369。Morgan Kaufmann,加利福尼亚州圣马特奥。 [50] Moss,S.M.、Wale,S.、Smith,R.、Evans,A.、Cuckle,H.和Duffy,S.W.(2015)。英国17年随访年龄试验中40岁以上乳腺癌筛查对乳腺癌死亡率的影响:一项随机对照试验。《柳叶刀Oncol.16 1123-1132》。 [51] Parmigiani,G.(1993年)。最佳筛选年龄。J.艾默。统计师。协会88 622-628·兹比尔0776.62085 [52] Parmigiani,G.和Inoue,L.Y.T.(2009)。决策理论。奇切斯特·威利·Zbl 1178.62004号 [53] Pritsker,M.(1997)。评估风险价值方法:准确性与计算时间。J.财务。服务。第12号决议201-242。 [54] Rasmussen,C.E.和Williams,C.K.I.(2006)。机器学习的高斯过程。麻省理工学院出版社,马萨诸塞州剑桥·Zbl 1177.68165号 [55] Ratmann,O.、Andrieu,C.、Wiuf,C.和Richardson,S.(2009年)。基于无似然推理的模型批评,应用于蛋白质网络进化。程序。国家。阿卡德。科学。美国106 10576-10581。 [56] Ríos Insua,D.和Ruggeri,F.编辑(2000年)。稳健贝叶斯分析。纽约州施普林格·兹比尔1281.62076 ·doi:10.1007/978-1-4612-1306-2_1 [57] Robbins,H.(1951年)。复合统计决策问题的渐近次极小解。第二届伯克利数理统计与概率研讨会论文集131-148。加利福尼亚大学出版社,伯克利和洛杉矶·Zbl 0044.14803号 [58] Robert,C.P.和Casella,G.(2004年)。蒙特卡洛统计方法,第二版,施普林格,纽约·兹比尔1096.62003 [59] Rockafellar,R.T.和Uryasev,S.(2000年)。条件价值风险优化。风险杂志2 21-42。 [60] Rostek,M.(2010年)。决策理论中的分位数最大化。经济收益率。螺柱77 339-371·Zbl 1189.91053号 [61] Rue,H.、Martino,S.和Chopin,N.(2009年)。利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断。J.R.统计社会服务。B.Stat.方法71 319-392·Zbl 1248.62156号 [62] Ruggeri,F.、Insua,D.R.和Martín,J.(2005)。稳健的贝叶斯分析。贝叶斯思维:建模与计算。统计手册25 623-667。阿姆斯特丹爱思唯尔。 [63] Ruggeri,F.和Wasserman,L.(1993年)。后验分布的无穷小灵敏度。加拿大。《统计杂志》21 195-203·Zbl 0779.62028号 [64] Savage,L.J.(1954年)。统计学基础。纽约威利·Zbl 0055.12604号 [65] Shapiro,S.、Venet,W.、Strax,P.和Venet,L.(1988年)。乳腺癌定期筛查:健康保险计划项目及其后果,1963-1986年。约翰·霍普金斯大学出版社,马里兰州巴尔的摩。 [66] Sivaganesan,S.(1994)。讨论Berger,J.O.,稳健贝叶斯分析概述。测试3 116-120。 [67] Sivaganesan,S.(2000年)。全局和局部稳健性方法:使用和限制。稳健贝叶斯分析(D.Rios Insua和F.Ruggeri编辑)89-108。纽约州施普林格·Zbl 0806.62022号 [68] Varin,C.、Reid,N.和Firth,D.(2011年)。复合似然方法概述。统计师。中国21 5-42·兹比尔1534.62022 [69] Vickers,A.J.和Elkin,E.B.(2006年)。决策曲线分析:一种评估预测模型的新方法。医学博士。Mak.26 565-574年。 [70] Vidakovic,B.(2000年)\(Γ)-极小极大:保守稳健贝叶斯算法的一个范例。稳健贝叶斯分析(D.Rios Insua和F.Ruggeri编辑)241-259。纽约州施普林格·Zbl 1281.62040号 [71] von Neumann,J.和Morgenstern,O.(1947)。《博弈论与经济行为》,第二版,普林斯顿大学出版社,新泽西州普林斯顿·Zbl 1241.91002号 [72] 温赖特,M.和乔丹,M.I.(2003年)。图形模型、指数族和变分推理。福恩德。趋势马赫数。学习。1-305. ·Zbl 1193.62107号 [73] Wald,A.(1950)。统计决策功能。纽约威利·Zbl 0040.36402号 [74] Walker,S.和Hjort,N.L.(2001年)。关于贝叶斯一致性。J.R.统计社会服务。B.统计方法63 811-821·Zbl 0987.62021号 [75] Wasserman,L.(1992)。稳健贝叶斯推理的最新方法学进展。贝叶斯统计,4(佩尼·斯科拉,1991)483-502。牛津大学出版社,纽约。 [76] Watson,J.、Nieto-Barajas,L.和Holmes,C.(2016)。使用Kullback-Leibler散度刻画非参数随机概率模型的变化。统计。出现。可在1411.6578获得·Zbl 1369.60033号 [77] Whittle,P.(1990)。风险敏感最优控制。奇切斯特·威利·Zbl 0718.93068号 [78] Wu,D.、Rosner,G.L.和Broemeling,L.D.(2007)。贝叶斯推断周期性癌症筛查的提前期。生物识别63 873-880·Zbl 1146.62100号 [79] Zhang,T.(2006年a)。从(ε)-熵到KL熵:最小信息复杂度密度估计分析。统计年鉴34 2180-2210·Zbl 1106.62005年 [80] 张,T。 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。