自然指数族相依数据的共轭全条件分布贝叶斯层次模型

@文章{Bradley2017BayesianHM,title={自然指数族相依数据的共轭全条件分布贝叶斯层次模型},author={乔纳森·布拉德利(Jonathan R.Bradley)和斯科特·霍兰(Scott H.Holan)以及克里斯托弗·威克尔(Christopher K.Wikle},journal={美国统计协会杂志},年份={2017},体积={115},pages={2037-2052},url={https://api.semanticscholar.org/CorpusID:88522132}}
引入了一种贝叶斯方法来分析(可能)根据自然指数分布族中的一个成员分布的高维相关数据,该方法的动机是Diaconis和Ylvisaker分布。

具有完全共轭全条件分布的异方差数据的通用贝叶斯模型

这项工作介绍了异方差数据的一般模型,该模型将混合模型方法中的条件方差建模为任何期望协变量或随机效应的函数,并将该模型扩展到能够为时间相关数据提供高精度估计的深度学习方法。

贝叶斯广义线性混合效应模型的绕过马尔可夫链

马尔可夫链蒙特卡罗(MCMC)是一种通用工具,它允许人们从后验分布中有效地为任何贝叶斯层次模型生成依赖复制。因此,MCMC

一大类贝叶斯广义线性混合效应模型直接从后验分布高效生成独立副本

马尔可夫链蒙特卡罗(MCMC)可以有效地从后验分布中为任何贝叶斯层次模型生成依赖复制。然而,MCMC可以产生重大影响

一类空间潜在高斯过程模型的后验分布直接生成独立副本

这项工作集中于一类广泛的贝叶斯潜在高斯过程(LGP)模型,该模型允许空间相关数据,并导出了一类新的分布,称为广义共轭多元(GCM)分布,该分布具有有效的投影/回归形式。

基于预测叠加的时空非高斯数据贝叶斯推断

这项工作扩展了Diaconis-Ylvisaker共轭先验函数族,以实现基于某些核参数的时空变化回归模型的可解析后验推断,并利用贝叶斯预测叠加,在这些参数的一系列值上同化这些单独的后验分布的推断。

基于层次广义变换模型的多响应类型联合贝叶斯分析

一种合理且易于实现的通用方法,该方法将连续响应的贝叶斯统计模型“转换”为多响应类型数据集的贝叶斯模型,并通过贝叶斯加性回归树(BART)和时空混合效应模型的应用证明了模型的灵活性。

多级线性模型、吉布斯采样器和多重网格分解

一种多重网格方法,用于推导各种广泛使用的模型结构(包括嵌套和交叉随机效应)的吉布斯采样器收敛速度的解析表达式,而以前的大多数工作仅限于两层嵌套情况。

双广义线性Tweedie空间过程模型中的贝叶斯变量选择

这项工作考虑了具有空间随机效应的CP-g模型的层次规范,其目标是通过建模响应基于位置索引产生的数据内的相关性来执行不确定性量化。

基于误差测量的空间相关协变量的多类型调查数据贝叶斯层次模型

采用分层广义变换模型的贝叶斯实现来处理使用潜在高斯过程(LGP)模型估计时非高斯数据模型的非共轭性。

一般贝叶斯多元模型的空间网格划分

本文介绍了空间参考数据的贝叶斯模型,其中的似然或潜在过程(或两者)不是高斯的,并介绍了简化的流形预处理自适应(SiMPA)算法,该算法使用目标的二阶信息,但避免了昂贵的矩阵运算。

高维相关值数据贝叶斯推断的计算效率分布理论

一种用于高维计值数据多元时空预测的贝叶斯方法,具有大量理论发展,包括有关条件分布、边缘分布、与多元正态分布的渐近关系以及吉布斯采样器的全条件分布的结果。

层次模型中方差参数的先验分布(对Browne和Draper文章的评论)

对于层次模型中的尺度参数,提出了各种非信息先验分布。我们构造了一个新的折叠非中心t族条件共轭先验

广义线性模型的共轭先验

我们为广义线性模型族提出了一类新的共轭先验。对先验知识的性质进行了详细的研究,并对启发问题进行了研究。我们建立

基于集成嵌套拉普拉斯近似的隐高斯模型近似贝叶斯推断

这项工作考虑了结构加性回归模型的一个流行子集——潜在高斯模型中的近似贝叶斯推断,其中潜在场是高斯的,由几个超参数控制,具有非高斯响应变量,可以直接计算非常精确的后边缘近似值。

空间随机效应模型的贝叶斯推断

对海量空间数据进行空间统计分析可能具有挑战性,因为优化程序的计算可能会失败。空间随机效应(SRE)模型使用一个固定的数字

层次广义线性模型

我们考虑在广义线性模型的线性预测因子中允许额外误差分量的分层广义线性模型。这些部件的分布不限于

超大数据集的贝叶斯层次时空平滑

描述了贝叶斯分层时空随机效应(STRE)模型,该模型提供了快速计算,传播子矩阵的多分辨率先验允许未知(随机)稀疏性和收缩,以及如何以可行的方式从后验分布中进行采样。

模型复杂性和拟合的贝叶斯测度

后验均值偏差被认为是拟合或充分性的贝叶斯度量,个别观测值对拟合和复杂性的贡献可以产生偏差残差与杠杆的诊断图。

计数时间序列参数驱动模型的辅助混合采样及其在状态空间建模中的应用

提出了一种新的辅助混合采样方法,该方法具有吉布斯转换核,表明辅助混合采样可以应用于更广泛的参数驱动模型,包括随机效应模型和基于泊松分布的面板数据模型。
...