×

加权似然逼近贝叶斯推理。 (英语) Zbl 1142.62307号

小结:当没有外部或先验信息时,作者建议使用加权似然来近似贝叶斯推断。他提出了一种加权似然估计方法,在相对熵损失下使经验贝叶斯风险最小化。他讨论了加权似然估计、经验贝叶斯估计和James-Stein估计之间的联系。模拟数据集和实际数据集均用于说明目的。

MSC公司:

62C10个 贝叶斯问题;Bayes过程的特征
62G08号 非参数回归和分位数回归
62B10型 信息理论主题的统计方面
2015年1月62日 贝叶斯推断
62C12号机组 经验决策程序;经验贝叶斯程序
65C60个 统计中的计算问题(MSC2010)
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Agostinelli,基于加权似然法的假设检验,《中国统计》第11卷第499页–(2001)·Zbl 0980.62012号
[2] Akaike,《信息论与最大似然原理的推广》,第267页–(1973)·Zbl 0283.62006号
[3] 考克斯,《统计科学百科全书》2第45页–(1981年)
[4] 埃夫隆,组合可能性的经验方法,《美国统计协会杂志》96页538–(1996)·2018年8月68日
[5] Efron,Stein的估计规则及其竞争对手——经验贝叶斯方法,《美国统计协会杂志》68页117–(1973)·Zbl 0275.62005号
[6] Eguchi,一类局部似然方法和近参数渐近性,皇家统计学会期刊B系列60页709–(1998)·Zbl 0910.62034号
[7] Gelfand,《基于抽样的边际密度计算方法》,《美国统计协会杂志》第85页,第398页–(1990年)·Zbl 0702.62020号
[8] 德国,贝叶斯数据分析(2003)
[9] Ghosh,多元精度矩阵的同时估计,《统计学年鉴》16,第278页–(1988)
[10] 古斯塔夫森,《统计手册》,第25卷:贝叶斯思维、建模和计算(2005)
[11] 统计学手册,第25卷:贝叶斯思维、建模和计算
[12] Györfi,非参数回归的无分布理论(2002)·Zbl 1021.62024号 ·数字对象标识代码:10.1007/b97848
[13] F.Hu(1994)。相关加权平滑和一种新的Bootstrap方法。加拿大温哥华不列颠哥伦比亚大学统计系博士论文。
[14] 胡,最大相关加权似然估计量的渐近性质,《加拿大统计杂志》30页45–(1997)·Zbl 0904.62031号
[15] 胡,适应性设计的时间趋势分析及其在神经生理学实验中的应用,《医学统计学》第19页,2067–(2000)
[16] Hu,依赖数据的相关加权似然,Metrika 51 pp 223–(2000)·Zbl 1093.62521号
[17] Hu,经验贝叶斯和似然推断(Montréal,QC,1997),第211页–(2001)·doi:10.1007/978-1-4613-0141-7_13
[18] James,二次损失估算1 pp 361–(1961)·Zbl 1281.62026号
[19] 《信息理论与统计》(1959年)
[20] 莱曼,点估计理论(1983)·兹比尔0522.62020 ·doi:10.1007/978-1-4757-2769-2
[21] Markatou,《加权似然估计方程:离散情况及其在逻辑回归中的应用》,《统计规划与推断杂志》92页215–(1997)·Zbl 1003.62506号
[22] Markatou,带自举根搜索的加权似然方程,《美国统计协会杂志》93 pp 740–(1998)·Zbl 0918.62046号
[23] 鲁宾,平行随机实验中的估计,《教育统计杂志》第6卷第377页–(1981年)
[24] Staniswalis,基于似然方法的回归函数的核估计,美国统计协会杂志89页276–(1989)·Zbl 0721.62039号
[25] 斯通,一致非参数回归,《统计年鉴》第5卷第595页–(1977年)
[26] Tibshirani,局部似然估计,《美国统计协会杂志》82页559–(1987)·Zbl 0626.62041号
[27] 美国国家研究委员会,《综合信息:统计问题和研究机会》(1992年)
[28] X.Wang(2001)。加权似然估计。加拿大温哥华不列颠哥伦比亚大学统计系博士论文。
[29] Wang,加权似然估计量的渐近性质,《统计规划与推断杂志》119第37页–(2004)
[30] Wang,《通过交叉验证选择似然权重》,《统计年鉴》第33页第463页–(2005年)
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。