我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们提出了一种新的经验贝叶斯方法,用于$p\gg n$正态线性模型中的推理。新颖之处在于以两种方式使用先前的数据,用于集中和规则化。在适当的稀疏性假设下,我们为经验贝叶斯后验分布建立了各种浓度率结果,这些结果与估计和模型选择都相关。计算简单快速,仿真结果表明经验贝叶斯模型选择过程具有很强的有限样本性能。
瑞恩·马丁。 雷蒙德公司。 斯蒂芬·沃克(Stephen G.Walker)。 “稀疏高维线性模型中的经验Bayes后验浓度。” 伯努利 23 (3) 1822 - 1847, 2017年8月。 https://doi.org/10.3150/15-BEJ797