摘要
混合模型是处理异质人群数据时使用最广泛的统计工具之一。根据贝叶斯非参数的观点,我们引入了一类新的先验:归一化独立点过程。我们研究了这个新类的概率性质,并给出了许多特殊情况。特别地,我们提供了隐含分区分布的显式公式,以及根据两个离散测度的叠加来描述新过程的后验特征。我们还提供一致性结果。此外,我们还设计了一个边际算法和一个条件算法,用于具有随机组分的有限混合模型。这些方案基于辅助变量MCMC,它允许处理否则难以处理的后验分布,并克服了与可逆跳跃算法相关的挑战。我们在模拟研究和实际数据应用中说明了模型的性能和潜力。
资金筹措表
Argiento博士感谢新加坡国立大学提供的资金。
确认
我们要感谢安特卫普皇家动物学会的Peter Galbusera博士分享丰富的泰塔鸫数据集。我们也感谢朱迪思·卢梭、伊戈尔·普伦斯特和玄龙阮的建议。
Maria de Iorio还隶属于英国伦敦大学学院统计科学系。拉斐尔·阿吉安托也隶属于卡洛·阿尔贝托·都灵学院(IT)。
引用
下载引文
拉斐尔·阿吉安托。
玛丽亚·德约里奥。
“无限远吗?有限混合模型的贝叶斯非参数视角。”
安。统计师。
50
(5)
2641 - 2663,
2022年10月。
https://doi.org/10.1214/22-AOS2201
问询处
收到日期:2019年10月1日;修订日期:2022年5月1日;发布日期:2022年10月
欧几里德项目首次提供:2022年10月27日
数字对象标识符:10.1214/22-AOS2201
学科:
主要用户:60G57型,2015年1月62日
次要:62G07年,92C20美元
关键词:贝叶斯聚类,贝叶斯混合模型,迪里克莱过程,马尔可夫链蒙特卡罗方法,有限混合物的混合物
版权所有©2022数学统计研究所