×
汤姆·伦纳德;John S.J.Hsu。;Tsui，Kam-Wah村;詹姆斯·莫里（James F.Murray）。

基于等权重混合的贝叶斯和似然推理。 （英语） Zbl 0806.62003年

Ann.Inst.Stat.数学。 46，第2期，203-220（1994年）.
摘要：对于需要绘制需要总体参数的精确有限样本推断，但总体分布不限于属于简单参数族的情况，建议使用等权重混合模型。它们为非等权重混合模型的Laird-DerSimonian最大似然算法提供了一种替代方法[N.M.莱尔德《美国统计协会期刊》第73卷，第805-811页（1978年；Zbl 0391.62029号)，J.Stat.计算。模拟15，211-220（1982；Zbl 0498.62039号);R.德西蒙，J.R.Stat.Soc.系列。C 35，302-309（1986）]。其主要目的在于通过重要性抽样简化精确的贝叶斯计算。
在非常一般的抽样和先验规范下，精确的贝叶斯计算可以基于重要性抽样的应用，即可置换贝叶斯边缘化（PBM）。提出了一种基于截断多元t分布的重要性函数，它是最大似然法的推广。考虑了用二项式混合估计离散分布，以及用指数分布或威布尔分布的混合推断幸存分布。同样的加权混合模型也表明，相对于Lavine-West方法，Gibbs抽样方法是一种替代方法[M.拉文和M.韦斯特，可以。《美国联邦法律大全》第20卷第4期，第451-461页（1992年；Zbl 0765.62062号)].

引用于2文件

MSC公司：

62A01型 统计学基础和哲学主题
10层62层 点估计

关键词：

等权混合模型;可置换贝叶斯边缘化;截断多元t分布;EM算法;指数混合;精确有限样本推断;精确贝叶斯计算;重要性抽样;重要性函数;最大似然法的推广;离散分布的估计;二项混合物;幸存者分布;威布尔分布;吉布斯采样

引文：

Zbl 0391.62029号;Zbl 0498.62039号;Zbl 0623.62038号;Zbl 0765.62062号

软件：

AS 221标准
PDF格式BibTeX公司 XML格式引用
\textit{T.Leonard}等人，《Ann.Inst.Stat.Math》。46，第2号，203--220（1994；Zbl 0806.62003）
全文： DOI程序

参考文献：

[1] Alspach，D.L.（1975）。多目标识别跟踪问题的高斯和方法，Automatica，11285–296·Zbl 0316.60029号 ·doi:10.1016/0005-1098（75）90044-8
[2] Ansfield，F.，Klotz，J.，Nealton，T.，Ramirez，G.，Minton，J.、Hill，G.、Wilson，W.、Davis，H.和Cornell，G..（1977年）。一项III期研究，比较5-氟尿嘧啶、癌症、39岁、34岁至38岁四种方案的临床效用·doi:10.1002/1097-0142（197701）39:1<34:：AID-CNCR2820390107>3.0.CO；2-2
[3] Bates，D.M.和Watts，D.G.（1988年）。非线性回归分析及其应用，威利，纽约·Zbl 0728.62062号
[4] Burridge，J.（1981）。生存时间数据的经验贝叶斯分析，J.Roy。统计师。Soc.序列号。B、 43岁、65岁至75岁·Zbl 0451.62075号
[5] Carlin，B.P.和Gelfand，A.E.（1990年）。经验贝叶斯置信区间方法，J.Amer。统计师。协会，85，105–114·Zbl 0731.62080号 ·doi:10.2307/2289531
[6] Cox，D.R.和Oakes，D.（1985）。《生存数据分析》，查普曼和霍尔出版社，纽约。
[7] DerSimonian，R.（1986年）。混合分布算法的最大似然估计。统计人员。，35, 302–309. ·兹比尔062362038 ·doi:10.2307/2348030
[8] Efron，B.（1967年）。删失数据的两个样本问题，Proc。伯克利第五交响乐团。数学方面。统计师。探针。，第四卷，831-853，加州大学出版社，伯克利。
[9] Gelfand，A.E.和Smith，A.F.M.（1990）。基于抽样的边际密度计算方法，J.Amer。统计师。协会，85，393–397·Zbl 0702.62020号 ·doi:10.2307/2289775
[10] Geweke，J.（1988年）。贝叶斯推理中蒙特卡罗积分的对偶加速，《计量经济学杂志》，38，73-89·Zbl 0667.62079号 ·doi:10.1016/0304-4076（88）90027-9
[11] Geweke，J.（1989）。具有拱形分布的线性模型的精确预测密度，《计量经济学杂志》，40，63–86·Zbl 0668.62080号 ·doi:10.1016/0304-4076（89）90030-4
[12] Hsu，J.S.J.（1990年）。贝叶斯推理与边缘化，威斯康星大学麦迪逊分校博士论文。
[13] Hsu，J.S.J.、Leonard，T.和Tsui，K.（1991年）。多项选择测验的统计推断，《心理测量学》，56327-348·Zbl 0850.62855号 ·doi:10.1007/BF02294466
[14] Kalbfleisch，T.D.和Prentice，R.L.（1980）。《失效时间数据的统计分析》，纽约威利·Zbl 0504.62096号
[15] Kaplan，E.L.和Meier，P.（1958年）。不完全观测的非参数估计，J.Amer。统计师。协会，53，457–487·Zbl 0089.14801号 ·doi:10.2307/2281868
[16] Laird，N.M.（1978年）。混合分布的非参数最大似然估计，J.Amer。统计师。协会，73，361–379·Zbl 0391.62029号 ·doi:10.2307/2286284
[17] Laird，N.M.（1982）。使用先验非参数最大似然估计的经验Bayes估计，J.Statist。计算。模拟，15211-220·兹伯利0498.62039 ·doi:10.1080/00949658208810584
[18] Lavine，M.和West，M.（1992年）。分类和判别的贝叶斯方法，Canad。J.统计。，20, 451–461. ·Zbl 0765.62062号 ·doi:10.2307/3315614
[19] Lenk，P.（1991）。关于实用的贝叶斯非参数密度估计器，Biometrika，78531–544·Zbl 0737.62035号 ·doi:10.1093/biomet/78.3.531
[20] Leonard，T.（1972年）。二项数据的贝叶斯方法，生物统计学，59，581-589·Zbl 0263.62025号 ·doi:10.1093/biomet/593.581
[21] Leonard，T.（1978）。密度估计、随机过程和先验信息（含讨论），J.Roy。统计师。Soc.序列号。B、 40113-146之间·Zbl 0398.62033号
[22] Leonard，T.（1984）。对贝叶斯-斯坦估计的一些数据分析修改，Ann.Inst.Statist。数学。，36, 11–21. ·doi:10.1007/BF02481949
[23] Leonard，T.和Hsu，J.S.J.（1992年）。协方差矩阵的贝叶斯推断。，20, 1669–1696. ·Zbl 0765.62031号 ·doi:10.1214/aos/1176348885
[24] Leonard，T.、Hsu，J.S.J.和Tsui，K.（1989年）。贝叶斯边际推断，J.Amer。统计师。协会，84，1051–1057·doi:10.2307/2290082
[25] Lindsay，B.G.（1981年）。混合分布的最大似然估计量的性质，《科学工作中的统计分布》（编辑：C.Taillie、G.Patial和B.Baldessari），5，95–109，荷兰雷德尔。
[26] Lindsay，B.G.（1983年）。混合可能性几何第二部分：指数族，J.Amer。统计师。协会，41200–1209·Zbl 0534.62002号
[27] Mallet，A.（1986年）。随机系数模型的最大似然估计方法，Biometrika，73645-656·Zbl 0615.62083号 ·doi:10.1093/biomet/73.3.645
[28] Ogata，Y.（1989）。高维积分的蒙特卡罗方法，Numer。数学。，55, 137–157. ·兹伯利0669.65011 ·doi:10.1007/BF01406511
[29] Ogata，Y.（1990年）。客观贝叶斯过程的蒙特卡罗方法，Ann.Inst.Statist。数学。，42, 403–433. ·Zbl 0719.65098号 ·doi:10.1007/BF00049299
[30] Rosenblatt，M.（1956年）。关于密度函数的一些非参数估计的注记，Ann.Math。统计人员。，27, 832–835. ·Zbl 0073.14602号 ·doi:10.1214/aoms/1177728190
[31] Rubinstein，R.Y.（1981）。模拟和蒙特卡罗方法，纽约威利·Zbl 0529.68076号
[32] Simar，L.（1978）。复合泊松过程的最大似然估计。，4, 1206–1209. ·Zbl 0362.62095号
[33] Sorenson，H.W.和Alspach，D.L.（1971）。使用高斯和的递归贝叶斯估计，Automatica，7465–479·Zbl 0219.93020号 ·doi:10.1016/0005-1098（71）90097-5
[34] Sweeting，T.J.（1987）。截尾生存数据的近似贝叶斯分析，Biometrika，74809-816·Zbl 0628.62025号 ·doi:10.1093/biomet/74.4.809
[35] Tanner，T.A.和Wong，W.H.（1987）。通过数据扩充计算后验分布，J.Amer。统计师。协会，81，82–86·Zbl 0619.62029号
[36] Tapia，R.A.和Thompson，J.R.（1978年）。非参数概率密度估计，约翰·霍普金斯大学出版社，巴尔的摩·Zbl 0449.62029号
[37] Tierney，L.和Kadane，J.（1986年）。后力矩和边缘密度的精确近似，J.Amer。统计师。协会，82，528–549·Zbl 0587.62067号
[38] 蒂特林顿，D.M.，史密斯，A.F.M.和马科夫，U.E.（1985）。《有限混合分布的统计分析》，威利，纽约·Zbl 0646.62013.中
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。