阿德里安·拉弗瑞（Adrian E.Raftery）。;鲍乐 使用增量混合重要性抽样估计和预测艾滋病毒/艾滋病普遍流行的趋势。 （英语） Zbl 1233.62185号 生物计量学 66，第4期，1162-1173（2010）. 概要：联合国艾滋病毒/艾滋病联合规划署（艾滋病规划署）决定使用贝叶斯融合法作为其对普遍流行的国家艾滋病毒流行率进行概率预测的基础。这结合了机制流行病学模型、流行率数据和专家意见。最初，后验分布是通过抽样重要性重抽样来近似的，这一方法实施简单，易于解释，对用户透明，并且为大多数国家提供了可接受的结果。然而，对于一些国家来说，这在计算上并不高效，因为后验分布往往集中在非线性脊周围，也可能是多模态的。我们提出了增量混合重要性抽样（IMIS），它迭代地建立了一个更好的重要性抽样函数。这保留了采样重要性重采样的简单性和透明度，但计算效率更高。它还导致对综合似然的简单估计，这是贝叶斯模型比较和模型平均的基础。在仿真实验和实际数据上，对于此类问题，它优于采样重要性重采样和三种公开可用的通用马尔可夫链蒙特卡罗算法。 引用于1审查引用于14文件 MSC公司： 62页第10页 统计学在生物学和医学中的应用；元分析 2015年1月62日 贝叶斯推断 92C60型 医学流行病学 92天30分 流行病学 65C60个 统计中的计算问题（MSC2010） 关键词：贝叶斯融合;贝叶斯模型平均;贝叶斯模型选择;流行病学模型;综合似然;马尔科夫蒙特卡洛;流行率;采样重要性重采样;易感感染去除模型 软件：麦克麦克包装;mcmc公司;联合国艾滋病规划署;化学需氧量;WinBUGS公司;LBFGS-B型 PDF格式BibTeX公司 XML格式引用 \textit{A.E.Raftery}和\textit{L.Bao}，《生物统计学》66，第4期，1162--1173（2010；Zbl 1233.62185） 全文： DOI程序 链接 参考文献： [1] Alkema，使用贝叶斯融合对艾滋病毒流行率的概率预测，《应用统计年鉴》第1卷第229页–（2007年）·Zbl 1129.62098号 ·doi:10.1214/07-AOAS111 [2] Alkema，Bayesian融合估计国家艾滋病毒流行率估计中的不确定性，《性传播感染》84 pp i11–（2008）·doi:10.1136/sti.2008.029991 [3] Bates，S.2001环境评估确定性仿真模型的贝叶斯推断博士论文 [4] Brown，《模拟国家级艾滋病毒/艾滋病流行的进展和挑战：2007年联合国艾滋病规划署估计和预测一揽子计划》，《性传播感染84页》，第5页–（2008年）·doi:10.1136/时.2008.030437 [5] Byrd，边界约束优化的有限内存算法，SIAM科学计算杂志16页1190–（1995）·Zbl 0836.65080号 ·doi:10.1137/0916069 [6] Cappé，一般混合类中的自适应重要性抽样，《统计与计算》，第18页，第447页–（2008年）·数字对象标识代码：10.1007/s11222-008-9059-x [7] 肖邦，静态模型的序列粒子滤波方法，Biometrika 89 pp 539–（2002）·Zbl 1036.62062号 ·doi:10.1093/biomet/89.3.539 [8] 克莱德，模型不确定性，《统计科学》第19页，第81页–（2004）·Zbl 1062.62044号 ·doi:10.1214/088342304000000035 [9] Cowles，《WinBUGS 1.4评论》，《美国统计学家》58页330–（2004）·doi:10.1198/000313004X8515 [10] Gelman，使用多序列的迭代模拟推断，《统计科学》第7卷第457页–（1992年）·Zbl 1386.65060号 ·doi:10.1214/ss/117701136 [11] 盖尔曼，《高效都市跳跃规则》，贝叶斯统计5 pp 599–（1996） [12] Geyer，MCMC R包（2005） [13] Ghys，《联合国艾滋病规划署估计和预测软件包：估计和预测国家艾滋病毒流行的软件包》，《性传播感染80 pp i5》，2004年·doi:10.1136/sti.2004.010199 [14] Ghys，《2007年艾滋病毒和艾滋病评估和预测的改进数据、方法和工具》，《性传播感染84 pp i1–（2008）·doi:10.1136/sti.2008.032573 [15] 吉尔克斯，《跟随一个移动目标：动态贝叶斯模型的蒙特卡罗推断》，《皇家统计学会杂志》，B辑63，第127页–（2001）·Zbl 0976.62021号 ·doi:10.1111/1467-9868.00280 [16] Givens，具有强非线性关系的多元密度的局部自适应重要性抽样，《美国统计协会杂志》91 pp 132–（1996）·兹比尔0869.62025 ·doi:10.2307/2291389 [17] Han，计算贝叶斯因子的马尔可夫链蒙特卡罗方法，美国统计协会杂志96页1122–（2001）·doi:10.1198/016214501753208780 [18] Hesterberg，加权平均重要性抽样和防御混合分布，《技术计量学》37第185页–（1995）·Zbl 0822.62002号 ·doi:10.2307/1269620 [19] Hoeting，《贝叶斯模型平均：教程》（含讨论），《统计科学》第14卷第382页–（1999年）·Zbl 1059.62525号 [20] Hong，应用于森林参考流域的氮循环模型输入参数的贝叶斯估计，Hubbard Brook watershed Six，Water Resources Research 41 pp W03007–（2005）·doi:10.1029/2004WR003551 [21] Jasra，《关于基于人口的静态推理模拟》，《统计与计算》17页263–（2007）·doi:10.1007/s11222-007-9028-9 [22] Jasra，用于跨维模拟的交互序贯蒙特卡罗采样器，计算统计与数据分析52，第1765页–（2008）·Zbl 1452.62077号 ·doi:10.1016/j.csda.2007.09.009 [23] 杰弗里斯，《概率论》（1939） [24] Kass，Bayes factors，《美国统计协会杂志》90 pp 773–（1995）·Zbl 0846.62028号 ·doi:10.2307/2291091 [25] Kong，顺序插补和贝叶斯缺失数据问题，《美国统计协会杂志》89页278–（1994）·Zbl 0800.62166号 ·doi:10.2307/2291224 [26] Leamer，《规范搜索：非实验数据的特殊推断》（1978）·Zbl 0384.62089号 [27] Liang，蒙特卡洛计算中的动态加权重要性抽样，《美国统计协会杂志》97第807页–（2002）·Zbl 1058.65006号 ·doi:10.1198/016214502388618618 [28] Liang，Monte Carlo计算中的随机近似，美国统计协会杂志102 pp 305–（2007）·Zbl 1226.65002号 ·doi:10.1198/0162145000001202 [29] 刘，《贝叶斯计算机模型仿真的动态建模策略》，贝叶斯分析4第393页–（2009）·Zbl 1330.65034号 ·doi:10.1214/09-BA415 [30] 刘，科学计算中的蒙特卡罗策略（2002） [31] Lunn，WinBUGS-贝叶斯建模框架：概念、结构和可扩展性，《统计与计算》，第10页，325页–（2000年）·doi:10.1023/A:1008929526011 [32] Madigan，使用Occam窗口的图形模型中模型选择和模型不确定性的计算，美国统计协会杂志89页1335–（1994）·Zbl 0814.62030号 ·doi:10.2307/2291017 [33] Martin，A.Quinn，K.2007 MCMC包：马尔可夫链蒙特卡罗（MCMC）包网址：http://cran.r-project.org [34] 道德，贝叶斯统计8 pp 115–（2007） [35] Neal，部分更新MCMC算法的最佳缩放，应用概率年鉴16，第475页–（2006）·Zbl 1127.60021号 ·doi:10.1214/10505160500000791 [36] Neal，《退火重要性抽样，统计与计算》11，第125页–（2001）·doi:10.1023/A:1008923215028 [37] 牛顿，通过加权似然引导法的近似贝叶斯推断（含讨论），英国皇家统计学会杂志，B系列56第3页–（1994）·兹比尔0788.62026 [38] 哦，通过蒙特卡洛重要性抽样对多峰函数进行积分，《美国统计协会杂志》88页450–（1993）·Zbl 0782.65038号 ·doi:10.2307/2290324 [39] Owen，《安全有效重要性抽样》，《美国统计协会杂志》，第95页，第135页–（2000）·Zbl 0998.65003号 ·doi:10.2307/2669533 [40] 普卢默，CODA:MCMC的收敛诊断和输出分析，R News 6 pp 7–（2006） [41] Poole，确定性模拟模型的推断：贝叶斯融合方法，《美国统计协会杂志》95第1244页–（2000）·Zbl 1072.62544号 ·doi:10.2307/2669764 [42] Radtke，森林生态系统模型与相关输入的贝叶斯融合，《森林科学》48页701–（2002） [43] Raftery，使用增量混合重要性抽样估计和预测艾滋病毒/艾滋病普遍流行趋势（2009年）·Zbl 1233.62185号 [44] Raftery，从弓头鲸确定性种群动力学模型推断，美国统计协会杂志90页402–（1995）·Zbl 0925.62473号 ·doi:10.2307/291048 [45] Raftery，Bayesian Statistics 8第1页–（2007年） [46] Raghavan，自适应混合重要性抽样，《统计计算与模拟杂志》60页237–（1998）·Zbl 0961.62029号 ·网址：10.1080/00949659808811890 [47] Rubin，《通过数据增强计算后验分布：评论：当部分缺失信息适度时，创建少数插补的数据增强算法的非迭代采样/重要性重采样替代方案：SIR算法》，《美国统计协会杂志》82页543–（1987）·doi:10.2307/2289460 [48] 鲁宾，《贝叶斯统计》3，第395页–（1988年） [49] Steele，通过增量混合重要性抽样（IMIS）计算有限混合模型的归一化常数，《计算与图形统计杂志》，第15页，第712页–（2006）·doi:10.1198/106186006X132358 [50] 联合国艾滋病规划署，2007年艾滋病疫情更新（2007年） [51] 文图拉，非参数自助回收，《统计与计算》，第12页，第261页–（2002年）·doi:10.1023/A:1020754911317 [52] Warnes，《正常核耦合器：从多模态分布中有效采样的自适应马尔可夫链蒙特卡罗方法》（2001） [53] 韦斯特，《贝叶斯统计》4，第503页–（1992年） [54] West，《混合物近似后验分布》，英国皇家统计学会期刊，B系列55，第409页-（1993）·Zbl 0800.62221号 [55] 张，非参数重要性抽样，《美国统计协会杂志》91 pp 1245–（1996）·Zbl 0880.62044号 ·doi:10.2307/2291743 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。