×

贝叶斯逻辑回归的Pólya-gamma-Gibbs采样器是一致遍历的。 (英语) Zbl 1349.60123号

摘要:使用最广泛的数据增强算法之一是J.H.阿尔伯特S.芯片《美国统计协会期刊》88,第422、669–679号(1993年;Zbl 0774.62031号)]贝叶斯概率回归算法。N.G.波尔森等[J.Am.Stat.Assoc.108,No.504,1339–1349(2013;Zbl 1283.62055号)]最近介绍了一种贝叶斯逻辑回归的类似算法。两者之间的主要区别在于,阿尔伯特和奇布的截断法线被所谓的Polya-Gamma随机变量所取代。在本文中,我们建立了Polson等人[loc.cit.]算法下的马尔可夫链是一致遍历的。这一理论结果具有重要的实用价值。特别是,它保证了中心极限定理的存在,这些定理可用于作出关于模拟运行时间的明智决策。

MSC公司:

60J22型 马尔可夫链中的计算方法
62J12型 广义线性模型(逻辑模型)
2015年1月62日 贝叶斯推断

软件:

贝叶斯逻辑
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Albert,J.H.和Chib,S.(1993年)。二进制和多光子响应数据的贝叶斯分析。美国统计协会期刊88 669-679·Zbl 0774.62031号 ·doi:10.2307/2290350
[2] Polson,N.G.、Scott,J.G.和Windle,J.(2013)。使用Polya-Gamma潜在变量的逻辑模型贝叶斯推断。美国统计协会杂志(即将出版)·Zbl 1283.62055号
[3] Roy,V.和Hobert,J.P.(2007年)。贝叶斯概率回归马尔可夫链蒙特卡罗算法的收敛速度和渐近标准误差。英国皇家统计学会杂志,B辑69 607-623。
[4] Holmes,C.和Held,L.(2006)。二元和多项式回归的贝叶斯辅助变量模型。贝叶斯分析1 145-168·Zbl 1331.62142号
[5] Frühwirth-Schnatter,S.和Frü.hwirth,R.(2010)。二元和多项式logit模型的数据增强和MCMC。在统计建模和回归结构中,111-132。斯普林格·弗拉格·Zbl 0815.62065号
[6] Marchev,D.(2011)。贝叶斯逻辑回归模型的马尔可夫链蒙特卡罗算法。《运筹学与统计年度国际会议论文集》,154-159。
[7] Tierney,L.(1994)。用于探索后验分布的马尔可夫链(带讨论)。统计年鉴22 1701-1762·Zbl 0829.62080号 ·doi:10.1214/aos/1176325750
[8] Roberts,G.O.和Rosenthal,J.S.(2004年)。一般状态空间马尔可夫链和MCMC算法。概率调查1 20-71·兹比尔1189.60131 ·doi:10.1214/154957804100000024
[9] Flegal,J.M.、Haran,M.和Jones,G.L.(2008年)。马尔可夫链蒙特卡罗:我们能相信第三个有效数字吗?统计科学23 250-260·Zbl 1327.62017年
[10] Biane,P.、Pitman,J.和Yor,M.(2001)。概率定律与雅可比θ和黎曼zeta函数以及布朗漂移有关。美国数学学会公报38 435-465·Zbl 1040.11061号 ·doi:10.1090/S0273-0979-01-00912-0
[11] Hobert,J.P.(2011)。数据增强算法:理论和方法。《马尔可夫链蒙特卡罗手册》(S.Brooks、A.Gelman、G.Jones和X.L.Meng编辑)。查普曼和霍尔/CRC出版社·Zbl 1229.65017号
[12] Jones,G.L.和Hobert,J.P.(2001年)。通过马尔可夫链蒙特卡罗诚实地探索难处理的概率分布。统计科学16 312-34·Zbl 1127.60309号 ·doi:10.1214/ss/1015346317
[13] Chen,M.-H.和Shao,Q.-M.(2000)。二分量子响应模型的后验分布的适当性。美国数学学会学报129 293-302·兹比尔1008.62027 ·doi:10.1090/S0002-9939-00-05513-1
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。