断棒先验函数的中心极限定理

@文章{Hu2020FunctionalCL,title={破杆先验函数中心极限定理},author={胡耀忠和张俊熙},日志={贝叶斯分析},年份={2020},网址={https://api语义scholar.org/语料库ID:227118688}}
我们得到了各种非参数贝叶斯先验函数的经验强大数定律、经验Glivenko-Cantelli定理、中心极限定理、函数中心极限定理,这些先验函数包括具有一般破胶权的Dirichlet过程、Poisson-Dirichlet过程和归一化逆高斯过程,归一化广义伽马过程和广义Dirichlet过程。对于具有一般破胶重量的Dirichlet过程,我们引入了两个

具有独立增量的齐次正规化随机测度的大参数渐近分析

具有独立增量的齐次归一化随机测度(hNRMIs)代表了一类广泛的贝叶斯非参数先验,因此得到了广泛的应用。在本文中,我们得到了强定律

具有独立增量的正规化随机测度的大样本渐近分析

具有独立增量的规范化随机测度代表了一大类贝叶斯非参数先验,在贝叶斯的非参数框架中得到了广泛的应用

具有独立增量的归一化随机测度的后验一致性和特征泛函

在本文中,我们获得了独立增量归一化随机测度(NRMIs)的后验矩和特征泛函的显式形式及其相关L´evy

贝叶斯非参数先验函数中心极限定理

提出了一种通用的方法来推导某些贝叶斯非参数先验函数在居中和重标度时的弱收敛性。该方法可应用于广泛的过程,包括:,

双参数Poisson–Dirichlet过程的大样本渐近性

本文在两种情况下研究了双参数$(alpha,theta)$Poisson--Dirichlet过程的大样本性质。在贝叶斯估计未知概率测度的背景下,

断棒优先级的吉布斯采样方法

提出了两种通用类型的Gibbs采样器,可用于拟合基于断粘先验的贝叶斯层次模型的后验,并基于一种完全不同的方法,即直接从随机测度的后验值中采样值,提出了分块Gibbs采样器。

关于规范化逆高斯过程的一些渐近性质和几乎必然逼近

本文给出了归一化逆高斯过程的一些渐近性质。特别是,当浓度参数较大时,我们建立了经验值的类似物

一类离散非参数先验函数的渐近分析

本文分析了代表Dirichlet过程自然推广的Gibbs型先验函数的渐近行为。在确定它们的拓扑支持后,我们研究

广义Dirichlet过程先验的Bayes非参数分析

本文考虑了Dirichlet过程的一个推广,该过程是通过对具有递增积分值尺度参数的叠加独立伽马过程进行适当归一化而得到的。A类

关于归一化逆高斯先验函数的破粘表示

随机概率测度是贝叶斯非参数推断的主要工具,其规律充当先验分布。然而,实践中使用的许多著名的先验都承认不同

非参数右偏模型中的Bernstein–von Mises定理

在最近的贝叶斯非参数文献中,已经报道了许多贝叶斯估计和后验分布没有达到最佳收敛速度的例子,这表明

大突变率泊松-狄里克莱分布的渐近行为

当参数趋于无穷大时,建立了泊松-狄里克莱分布的大偏差原理。然后将结果用于研究纯合子的渐近行为

Dirichlet过程泛函精确分布的理论与数值分析

考虑Dirichlet过程均值或更一般地均值向量的分布。本文的一些特点是:(i)回顾了一些基本结果,提供了
...