马修·里巴特;丹尼尔·库利;安东尼·戴维森(Anthony C.Davison)。 基于复合可能性的贝叶斯推断,并应用于空间极值。 (英语) Zbl 1238.62031号 Stat.罪。 22,第2期,813-845(2012). 摘要:复合可能性越来越多地用于分析上未知或计算上禁止使用完全可能性的应用中。虽然最大复合似然估计量的某些频率特性类似于最大似然估计,但基于复合似然的贝叶斯推断仍处于早期阶段。本文讨论在贝叶斯公式中使用复合似然时的推理。我们确定,使用复合似然会产生适当的后验密度,尽管它可能与完全似然的结果有很大不同。在以前关于复合似然比检验的工作的基础上,我们对指定错误的模型使用渐近理论,对复合似然进行两次调整以获得适当的推断。我们还研究了Metropolis Hastings算法的使用和Gibbs采样器的两种实现,以从复合后验中获得绘制。我们在模拟数据上测试了这些方法,并将其应用于空间极端降雨量数据集。对于模拟数据,我们发现后验可信区间产生了适当的经验覆盖率。对于极端降水数据,我们能够有效地模拟整个研究区域的边际行为,并获得适当的空间相关性度量。 引用于36文件 MSC公司: 2015年1月62日 贝叶斯推断 2012年12月62日 参数估计量的渐近性质 62立方米 空间过程推断 60G70型 极值理论;极值随机过程 65立方厘米 马尔可夫链的数值分析或方法 第62页第12页 统计在环境和相关主题中的应用 65C60个 统计中的计算问题(MSC2010) PDF格式BibTeX公司 XML格式引用 \textit{M.Ribatet}等人,Stat.Sin。22,No.2,813--845(2012;Zbl 1238.62031) 全文: arXiv公司