×
爱德华·贝利泽;Ghosal，Subhashis公司

回归的经验贝叶斯预言不确定性量化。 （英文） Zbl 1461.62120号

Ann.统计。 48，第6号，3113-3137（2020）.
摘要：我们提出了一种高维线性回归模型的经验贝叶斯方法。根据一种预言方法，该方法对参数的每个可能值进行局部误差量化，我们证明了经验贝叶斯后验在所有参数下都以最佳速率收缩，并在“过度偏差限制”条件下导致具有保证覆盖范围的一致大小最优可信球。这种情况导致对整个空间进行新的切片，以确保不确定性量化的一致性。得到的结果立即导致许多可同时想到的类的最优收缩和覆盖性质。结果也推广到了高维可加非参数回归模型。

引用于13文件

MSC公司：

62J05型 线性回归；混合模型
62C12号机组 经验决策程序；经验贝叶斯程序
62G08号 非参数回归和分位数回归
62G15年 非参数容差和置信区域

关键词：

可靠的球;新闻报道;经验贝叶斯;过度偏差限制;预言率
PDF格式BibTeX公司 XML格式引用
\textit{E.Belitser}和\textit{S.Ghosal}，Ann.Stat.48，No.6，3113--3137（2020；Zbl 1461.62120）
全文： 内政部 欧几里得

参考文献：

[1] Baraud，Y.（2004年）。高斯回归中的置信球。Ann.Statist公司。32 528-551. ·Zbl 1093.62051号 ·doi:10.1214/009053604000000085
[2] Belitser，E.（2017）。可信集的覆盖率和局部径向率。Ann.Statist公司。45 1124-1151. ·Zbl 1371.62044号 ·doi:10.1214/16-AOS1477
[3] Belitser，E.和Ghosal，S.（2020年）。补充“回归的经验贝叶斯预言不确定性量化”https://doi.org/10.1214/19-AOS1845SUPP网站
[4] Belitser，E.和Nurushev，N.（2020年）。大海捞针：可能稀疏序列的稳健经验贝叶斯置信度。伯努利26 191-225·Zbl 1441.62110号 ·doi:10.350/19-BEJ1122
[5] Birgé，L.和Massart，P.（2001）。高斯模型选择。欧洲数学杂志。Soc.（JEMS）3 203-268·Zbl 1037.62001
[6] Bühlmann，P.（2013）。高维线性模型的统计显著性。伯努利19 1212-1242·Zbl 1273.62173号
[7] Cai，T.T.和Guo，Z.（2017）。高维线性回归的置信区间：最小最大速率和适应性。Ann.Statist公司。45 615-646. ·Zbl 1371.62045号 ·doi:10.1214/16-AOS1461
[8] Cai，T.T.和Low，M.G.（2004）。非参数置信区间的自适应理论。Ann.Statist公司。32 1805-1840. ·兹比尔1056.62060 ·doi:10.1214/00905360400000049
[9] Castillo，I.和Nickl，R.（2013）。高斯白噪声中的非参数Bernstein-von Mises定理。Ann.Statist公司。41 1999-2028. ·Zbl 1285.62052号 ·doi:10.1214/13-AOS1133
[10] Castillo，I.和Nickl，R.（2014）。非参数贝叶斯过程的Bernstein-von Mises现象。Ann.Statist公司。42 1941-1969. ·Zbl 1305.62190号 ·doi:10.1214/14-AOS1246
[11] Castillo，I.、Schmidt-Hieber，J.和van der Vaart，A.（2015）。稀疏先验贝叶斯线性回归。Ann.Statist公司。43 1986-2018. ·Zbl 1486.62197号 ·doi:10.1214/15-AOS1334
[12] Castillo，I.和Szabó，B.（2020年）。尖峰和平板经验贝叶斯稀疏可信集。伯努利26 127-158·Zbl 1441.62077号 ·doi:10.3150/19-BEJ1119
[13] Cox，D.D.（1993）。非参数回归的贝叶斯推断分析。Ann.Statist公司。21 903-923. ·Zbl 0778.62003号 ·doi:10.1214/aos/1176349157
[14] Curtis，S.M.、Banerjee，S.和Ghosal，S.（2014）。非参数加性回归的快速贝叶斯模型评估。计算。统计师。数据分析。71 347-358. ·Zbl 1471.62136号 ·doi:10.1016/j.csda.2013.05.012
[15] Donoho，D.L.和Johnstone，I.M.（1994年）。通过小波收缩实现理想的空间自适应。生物特征81 425-455·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[16] Freedman，D.（1999）。关于无穷维参数的Bernstein-von Mises定理。Ann.Statist公司。27 1119-1140·Zbl 0957.6202号
[17] Ghosal，S.和van der Vaart，A.（2017年）。非参数贝叶斯推断基础。剑桥统计与概率数学系列44。剑桥大学出版社，剑桥·Zbl 1376.62004号
[18] Hastie，T.J.和Tibshirani，R.J.（1990年）。广义加性模型。统计学和应用概率专著43。CRC出版社，伦敦。
[19] Knapik，B.T.、van der Vaart，A.W.和van Zanten，J.H.（2011）。具有高斯先验的贝叶斯反问题。Ann.Statist公司。39 2626-2657. ·Zbl 1232.62079号 ·doi:10.1214/11-AOS920
[20] Li，K.-C.（1989）。非参数回归的诚实置信区域。Ann.Statist公司。17 1001-1008. ·Zbl 0681.62047号 ·doi:10.1214操作系统/1176347253
[21] Lin，Y.和Zhang，H.H.（2006）。多元非参数回归中的成分选择与平滑。Ann.Statist公司。34 2272-2297. ·Zbl 1106.62041号 ·doi:10.1214/0090536000000722
[22] Martin，R.、Mess，R.和Walker，S.G.（2017）。稀疏高维线性模型中的经验Bayes后验浓度。伯努利23 1822-1847·Zbl 1450.62085号 ·doi:10.3150/15-BEJ797
[23] Meier，L.、van de Geer，S.和Bühlmann，P.（2009）。高维加性建模。Ann.Statist公司。37 3779-3821. ·Zbl 1360.62186号 ·doi:10.1214/09-AOS692
[24] Nickl，R.和van de Geer，S.（2013年）。稀疏回归中的置信集。Ann.Statist公司。41 2852-2876. ·Zbl 1288.62108号 ·doi:10.1214/13-AOS1170
[25] Picard，D.和Tribouley，K.（2000年）。逐点曲线估计的自适应置信区间。Ann.Statist公司。28 298-335. ·Zbl 1106.62331号 ·doi:10.1214操作系统/1016120374
[26] Raskutti，G.、Wainwright，M.J.和Yu，B.（2012年）。基于凸规划的核类上稀疏可加模型的极小极大最优速率。J.马赫。学习。第13号决议389-427·Zbl 1283.62071号
[27] Ravikumar，P.、Lafferty，J.、Liu，H.和Wasserman，L.（2009年）。稀疏加性模型。J.R.统计社会服务。B.统计方法。71 1009-1030. ·Zbl 1411.62107号 ·文件编号：10.1111/j.1467-9868.2009.00718.x
[28] Ray，K.（2017）。高斯白噪声中的自适应Bernstein-von Mises定理。Ann.Statist公司。45 2511-2536. ·兹比尔1384.62158 ·doi:10.1214/16-AOS1533
[29] Sniekers，S.和van der Vaart，A.（2015）。具有布朗运动先验的固定设计模型中的可信集。J.统计。计划。推理166 78-86·Zbl 1394.62048号 ·doi:10.1016/j.jspi.2014.07.008
[30] Sniekers，S.和van der Vaart，A.（2015）。高斯过程先验回归中的自适应贝叶斯可信集。电子。《美国联邦法律大全》第9卷第2475-2527页·Zbl 1327.62300号 ·doi:10.1214/15-EJS1078
[31] Szabó，B.、van der Vaart，A.W.和van Zanten，J.H.（2015）。自适应非参数贝叶斯可信集的频繁覆盖。Ann.Statist公司。43 1391-1428. ·Zbl 1317.62040号 ·doi:10.1214/14-AOS1270
[32] Tibshirani，R.（1996）。通过套索进行回归收缩和选择。J.罗伊。统计师。Soc.序列号。乙58 267-288·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[33] van de Geer，S.A.和Bühlmann，P.（2009）。根据用于证明拉索预言结果的条件。电子。《美国联邦法律大全》第3卷第1360-1392页·Zbl 1327.62425号 ·doi:10.1214/09-EJS506
[34] Yang，Y.和Tokdar，S.T.（2015）。高维极大极小最优非参数回归。Ann.Statist公司。43 652-674. ·Zbl 1312.62052号 ·doi:10.1214/14-AOS1289
[35] W.Yoo·Zbl 1338.62121号 ·doi:10.1214/15-AOS1398
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。