彼得·卡博内托；马修·斯蒂芬斯 回归中贝叶斯变量选择的可缩放变分推理及其在遗传关联研究中的准确性。 （英语） Zbl 1330.62089号 贝叶斯分析。 7，第1期，73-108（2012）. 摘要：贝叶斯回归变量选择方法是解决许多科学问题的有力工具。变量选择模型的推理通常使用马尔可夫链蒙特卡罗（MCMC）实现。由于MCMC在具有大量变量的研究中会带来高计算成本，我们基于简单的变分近似来评估MCMC的替代方案。我们的目标是以较低的成本保留贝叶斯变量选择的有用特征。使用模拟遗传关联研究的模拟，我们表明，这种简单的变分近似在某些情况下会产生与精确值密切匹配的后验推断。在限制性较小（且更现实）的条件下，我们表明单个变量的后验包含概率通常是不正确的，但其他有用量的变分估计|包括超参数的后验分布|非常准确。我们说明了这些结果如何指导变异推理在全基因组关联研究中的应用，该研究涉及数千个样本和数十万个变量。 引用于36文件 MSC公司： 62F07型 统计排名和选择程序 2015年1月62日 贝叶斯推断 60J22型 马尔可夫链中的计算方法 第62页第10页 统计学在生物学和医学中的应用；元分析 关键词：变量选择；变分推理；遗传关联研究；蒙特卡洛 PDF格式BibTeX公司 XML格式引用 \textit{P.Carbonetto}和\textit{M.Stephens}，贝叶斯分析。7、编号1、73--108（2012；Zbl 1330.62089） 全文： 内政部 欧几里得