Barrientos，Andrés F。;佩尼亚，维克托 海量数据的贝叶斯自举。 （英语） Zbl 1459.62038号 贝叶斯分析。 15，第2期，363-388（2020年）. 摘要：在本文中，我们提出了数据子集算法，该算法允许贝叶斯引导的近似和可扩展实现。它们类似于频率学家文献中的两种现有算法：小引导包[A.克莱纳等，“大规模数据的可扩展引导”，预打印，arXiv:1112.5016]和子采样双引导[S.Sengupta公司,S.Volgushev公司和X.邵，“海量数据的子样本双引导”，预打印，arXiv:1508.01126]. 我们的算法具有吸引人的理论和计算特性，可以与相应的频域算法进行比较。此外，我们还提供了一种对贝叶斯引导的一类泛函进行无损推理的策略，并简要介绍了Dirichlet过程的扩展。 引用于2文件 MSC公司： 62G05型 非参数估计 62G09号 非参数统计重采样方法 62兰特 大数据和数据科学的统计方面 60年12月 一般二阶随机过程 关键词：引导数据库;大数据;贝叶斯非参数;可伸缩推理 软件：对;国家实验室;俱乐部三明治 PDF格式BibTeX公司 XML格式引用 \textit{A.F.Barrientos}和\textit{V.PeñA}，贝叶斯分析。15，编号2，363--388（2020；Zbl 1459.62038） 全文： DOI程序 arXiv公司 欧几里得 参考文献： [1] Barrientos，A.F.和PeñA，V.（2019年）。“补充材料：海量数据的贝叶斯自举法”，贝叶斯分析·Zbl 1459.62038号 ·doi:10.1214/19-BA1155 [2] Barrientos，A.F.、Bolton，A.、Balmat，T.、Reiter，J.P.、de Figueiredo，J.M.、Machanavajhala，A.、Chen，Y.、Kneifel，C.和DeLong，M.（2018）。“通过综合和验证提供对机密研究数据的访问：美国联邦政府雇员数据的应用”，《应用统计年鉴》，12（2）：1124-1156·兹比尔1405.62236 ·doi:10.1214/18-AOAS1194 [3] Bolton，A.D.和de Figueiredo，J.M.（2016a）。“测量并解释联邦政府中的性别工资差距”，论文发表于宾夕法尼亚州费城美国政治科学协会2016年年会。 [4] Bolton，A.D.和de Figueiredo，J.M.（2016b）。“联邦政府中工资和人力资本的增长”，在波多黎各圣胡安举行的南部政治科学协会2016年年会上提交的论文。 [5] Carroll，R.J.和Pederson，S.（1993年）。《关于逻辑回归模型的稳健性》，《皇家统计学会杂志》。B系列（方法学），693-706·Zbl 0794.62021号 ·doi:10.1111/j.2517-6161.1993.tb01934.x [6] Castillo，I.和Nickl，R.（2014）。“关于非参数贝叶斯程序的伯恩斯坦-冯-米塞斯现象”，《统计年鉴》，42（5）：1941-1969·Zbl 1305.62190号 ·doi:10.1214/14-AOS1246 [7] Chamberlain，G.和Imbens，G.W.（2003）。“贝叶斯推断的非参数应用”，《商业与经济统计杂志》，21（1）：12-18。 [8] Choudhuri，N.（1998年）。“多维均值泛函的贝叶斯自举可信集”，《统计年鉴》，26（6）：2104-2127·Zbl 0933.62035号 ·doi:10.1214/aos/1024691463 [9] Cifarelli，D.M.和Mellilli，E.（2000年）。“Dirichlet先验的一些新结果”，《统计年鉴》，28（5）：1390-1413·Zbl 1105.62303号 ·doi:10.1214/aos/1015957399 [10] Clyde，M.和Lee，H.（2001年）。《打包和贝叶斯引导》（Bayesian bootstrap），摘自Richardson，T.和Jaakkola，T.（编辑），《人工智能与统计》，169-174。 [11] Datta，J.和Ghosh，J.K.（2014）。“Bootstrap-an exploration”，《统计方法》，20:63-72·Zbl 1486.62124号 ·doi:10.1016/j.stamet.2013.08.003 [12] Dong，Q.、Elliott，M.R.和Raghunathan，T.E.（2014）。“生成合成总体以调整复杂抽样设计特征的非参数方法。”《调查方法》，40（1）：29-46。 [13] Efron，B.（1979年）。“引导方法：又一次折刀”，《统计年鉴》，7（1）：1-26·Zbl 0406.62024号 ·doi:10.1214/aos/1176344552 [14] Fushiki，T.（2010）。“贝叶斯自举预测”，《统计规划与推断杂志》，140（1）：65-74·兹比尔1178.62044 ·doi:10.1016/j.jspi.2009.06.007 [15] 加斯帕里尼，M.（1995年）。“矩的精确多元贝叶斯自举分布”，《统计年鉴》，23（3）：762-768·Zbl 0838.62032号 ·doi:10.1214/aos/1176324620 [16] Graham，D.J.、McCoy，E.J.和Stephens，D.A.（2016年）。“双重稳健估计的近似贝叶斯推断”，贝叶斯分析，11（1）：47-69·Zbl 1357.62186号 ·doi:10.1214/14-BA928 [17] Gu，J.、Ghosal，S.和Roy，A.（2008）。“ROC曲线的贝叶斯自举估计”，《医学统计学》，27（26）：5407-5420。 [18] Hahn，J.（1997）。“分位数回归估计的贝叶斯自举：一项大样本研究”，《国际经济评论》，38（4）：795-808·Zbl 0894.62018号 ·doi:10.2307/2527216 [19] Heckelei，T.和Mittelhammer，R.C.（2003）。贝叶斯引导多元回归〉，《计量经济学杂志》，112（2）：241-264·Zbl 1026.62019 ·doi:10.1016/S0304-4076（02）00196-3 [20] Ishwaran，H.、James，L.F.和Zarepour，M.（2009年）。“n中取m引导的替代方法”，《统计规划与推断杂志》，139（3）：788-801·Zbl 1157.62024号 ·doi:10.1016/j.jspi.2008.04.032 [21] Ishwaran，H.和Zarepour，M.（2002年）。“Dirichlet过程的精确和近似和表示法”，《加拿大统计杂志》，30（2）：269-283·Zbl 1035.60048号 ·doi:10.2307/3315951 [22] Jackmin-Gadda，H.、Sibillot，S.、Proust，C.、Molina，J.-M.和Thie baut，R.（2007）。“线性混合模型对错误指定误差分布的鲁棒性”，《计算统计与数据分析》，51（10）：5142-5154·Zbl 1162.62319号 ·doi:10.1016/j.csda.2006.05.021 [23] James，L.F.（1997）。“审查数据的一类加权自举的研究”，《统计年鉴》，25（4）：1595-1621·Zbl 0936.62051号 ·doi:10.1214/aos/1031594733 [24] James，L.F.（2008）。“双参数Poisson-Dirichlet过程的大样本渐近性”，摘自《推动当代统计学的极限：纪念Jayanta K.Ghosh的贡献》，187-199年。数理统计研究所。 [25] Kim，Y.和Lee，J.（2003）。“比例危险模型的贝叶斯自举”，《统计学年鉴》，31（6）：1905-1922·兹比尔1042.62030 ·doi:10.1214操作系统/1074290331 [26] Kingman，J.F.（1975年）。《随机离散分布》，《皇家统计学会杂志》。B系列（方法学），1-22·Zbl 0331.62019号 ·doi:10.1111/j.2517-6161.1975.tb01024.x [27] Kleiner，A.、Talwalkar，A.，Sarkar，P.和Jordan，M.I.（2014）。“海量数据的可扩展引导”，《皇家统计学会杂志》。B辑：统计方法，76（4）：795-816·Zbl 07555464号 [28] Lee，H.K.H.和Clyde，M.A.（2004年）。“无损在线贝叶斯装袋”，《机器学习研究杂志》，5:143-151。 [29] Li，C.、Srivastava，S.和Dunson，D.B.（2017）。“简单、可扩展和准确的后间隔估计”，《生物统计学》，104（3）：665-680·Zbl 07072234号 ·doi:10.1093/biomet/asx033 [30] Liang，K.-Y.和Zeger，S.L.（1986）。“使用广义线性模型进行纵向数据分析”，《生物统计学》，73（1）：13-22·Zbl 0595.62110号 ·doi:10.1093/biomet/73.1.13 [31] Lo，A.Y.（1983）。“Dirichlet过程的弱收敛”，Sankhyá：印度统计杂志，A辑，105-111·Zbl 0531.60072号 [32] Lo，A.Y.（1987）。“贝叶斯引导法的大样本研究”，《统计年鉴》，15（1）：360-375·Zbl 0617.62032号 ·doi:10.1214/aos/1176350271 [33] Lo，A.Y.（1988）。“有限人口的贝叶斯引导”，《统计年鉴》，16（4）：1684-1695·Zbl 0691.62005号 ·doi:10.1214/aos/1176351061 [34] Lo，A.Y.（1991）。“贝叶斯自举克隆和生物测量功能”。A、 53（3）:320-333·Zbl 0755.62006号 [35] Lo，A.Y.（1993）。“审查数据的贝叶斯引导”，《统计年鉴》，21（1）：100-123·Zbl 0787.62048号 ·doi:10.1214操作系统/1176349017 [36] Lyddon，S.、Holmes，C.和Walker，S.（2019）。“广义贝叶斯更新和损失可能性引导。”Biometrika（出版中）·Zbl 1454.62098号 ·doi:10.1093/biomet/asz006 [37] Meeden，G.（1993年）。“分位数的非信息性非参数贝叶斯估计”，《统计与概率快报》，16（2）：103-109。 [38] Minsker，S.、Srivastava，S.，Lin，L.和Dunson，D.B.（2017年）。“通过子集后验中位数的稳健和可扩展贝叶斯”，《机器学习研究杂志》，18（1）：4488-4527·Zbl 1442.62056号 [39] Muliere，P.和Secchi，P.（1996年）。“贝叶斯非参数预测推断和引导技术”，《统计数学研究所年鉴》，48（4）：663-673·Zbl 1121.62542号 ·doi:10.1007/BF00052326 [40] Neiswanger，W.、Wang，C.和Xing，E.P.（2014）。“渐进精确，令人尴尬的平行MCMC”，《第三十届人工智能不确定性会议论文集》，UAI'14，623-632。AUAI出版社。 [41] Pinheiro，J.、Bates，D.、DebRoy，S.、Sarkar，D.和R核心团队（2018年）。nlme：线性和非线性混合效应模型。R软件包版本3.1-137。统一资源定位地址https://CRAN.R-project.org/package=nlme [42] Pitman，J.（1995）。“可交换和部分可交换随机分区”，《概率论及相关领域》，102:145-158·Zbl 0821.60047号 ·doi:10.1007/BF01213386 [43] Pitman，J.（1996）。“Blackwell-MacQueen骨灰盒方案的一些发展”，讲义-专著系列，245-267。 [44] Pustejovsky，J.（2018）。clubSandwich：带小样本修正的聚类-半截形（Sandwick）方差估计量。R包版本0.3.2。统一资源定位地址https://CRAN.R-project.org/package=clubSandwich [45] R核心团队（2015）。“R：统计计算的语言和环境。”URLhttps://www.R-project.org/ [46] Rubin，D.B.（1981）。“贝叶斯引导法”，《统计年鉴》，9（1）：130-134。 [47] Rubin，D.B.和Schenker，N.（1986年）。“利用可忽略无响应的简单随机样本进行区间估计的多重插补”，《美国统计协会杂志》，81（394）：366-374·Zbl 0615.62011号 ·doi:10.1080/01621459.1986.10478280 [48] Scott，S.L.、Blocker，A.W.、Bonassi，F.V.、Chipman，H.A.、George，E.I.和McCulloch，R.E.（2016）。《贝叶斯与大数据：共识蒙特卡罗算法》，《国际管理科学与工程管理杂志》，11（2）：78-88。 [49] Sengupta，S.、Volgushev，S.和Shao，X.（2016）。《美国统计协会期刊》，111（515）：1222-1232。 [50] Sethuraman，J.（1994）。“Dirichlet先验的建设性定义”，《中国统计》，2:639-650·Zbl 0823.62007号 [51] Siddique，J.和Belin，T.R.（2008）。“使用近似贝叶斯引导法对不可忽略的缺失数据进行乘法插补”，《计算统计与数据分析》，53（2）：405-415·Zbl 1231.62037号 ·doi:10.1016/j.csda.2008.07.042 [52] Srivastava，S.、Cevher，V.、Tran-Dinh，Q.和Dunson，D.B.（2015）。《WASP：通过子集后验的重心的可伸缩贝叶斯》，摘自《人工智能与统计》。 [53] Srivastava，S.、Li，C.和Dunson，D.B.（2018年）。“通过Wasserstein空间重心的可缩放贝叶斯”，《机器学习研究杂志》，19（1）：312-346·兹比尔1444.62037 [54] Taddy，M.、Chen，C.-S.、Yu，J.和Wyle，M.（2015）。“贝叶斯和经验贝叶斯森林”，摘自Blei，D.和Bach，F.（编辑），《第32届机器学习国际会议论文集》（ICML-15），967-976。 [55] Taddy，M.、Gardner，M.，Chen，L.和Draper，D.（2016）。“数字实验中异质处理效应的非参数贝叶斯分析”，《商业与经济统计杂志》，34（4）：661-672·doi:10.1080/07350015.2016.1172013 [56] van der Vaart，A.W.和Wellner，J.A.（1996）。弱收敛和经验过程。统计学中的斯普林格系列。纽约施普林格-弗拉格，统计应用·兹比尔0862.60002 [57] Varron，D.（2014）。“推广经验过程的一类过程的Donsker和Glivenko-Cantelli定理”，《统计学电子期刊》，8（2）：2296-2320·Zbl 1320.60092号 ·doi:10.1214/14-EJS955 [58] Wang，X.和Dunson，D.B.（2013）。“通过Weierstrass采样器并行化MCMC。”arXiv预印本arXiv:1312.4605。 [59] Wang，X.、Guo，F.、Heller，K.A.和Dunson，D.B.（2015）。“用随机划分树并行MCMC”，《神经信息处理系统进展》，451-459。 [60] Walsh，A.和Richardson，A.（1997）。“混合模型稳健估计的13种方法”，《统计手册》，15:343-384·Zbl 0908.62071号 [61] 翁，C.-S.（1989）。“关于贝叶斯自举平均值的二阶渐近性质”，《统计年鉴》，17（2）：705-710·Zbl 0672.62027号 ·doi:10.1214/aos/1176347136 [62] 周，H。 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。