×
贾尔斯·胡克；阿南德·维迪亚桑卡尔（Anand N.Vidyashankar）。

基于差异的贝叶斯模型鲁棒性。 （英语） Zbl 1308.62053号

测试 23，第3期，556-584（2014）.
摘要：本文通过使用差异开发了一种稳健贝叶斯推理方法。Hellinger距离和负指数视差等指标在频率推断的稳健估计中有着悠久的历史。我们证明，在贝叶斯推理中，可以通过用适当缩放的差异代替标准蒙特卡罗-马尔可夫链方法所适用的对数似然来进行等效的稳健化。最小视差方法的一个特别吸引人的特性是，虽然它们在崩溃点为1/2时具有鲁棒性，但当假定的概率模型正确时，得到的参数估计也是有效的。我们证明了基于差异的贝叶斯推理具有类似的性质。我们进一步表明，在贝叶斯设置下，也可以将这些方法扩展到稳健回归模型、随机效应分布和其他层次模型。这些模型需要综合出随机效应；这是通过MCMC实现的，但否则在数值上是具有挑战性的。这些方法在真实数据上进行了演示。

引用于10文件

MSC公司：

62层35 鲁棒性和自适应程序（参数推断）
2015年1月62日 贝叶斯推断

关键词：

偏差试验；核密度；海林格距离；负指数差距；MCMC公司；贝叶斯推断；后面的；离群值

软件：

鲁棒基地；科恩平滑；学习贝叶斯
PDF格式BibTeX公司 XML格式引用
\textit{G.Hooker}和\textit{A.N.Vidyashankar}，测试23，第3期，556--584（2014；Zbl 1308.62053）
全文： 内政部 arXiv公司

参考文献：

[1] Dey DK，Birmiwal LR（1994），使用散度度量的稳健贝叶斯分析。统计调查报告20:287-294·Zbl 0799.62003号
[2] Dunson DB，Taylor JA（2005）分位数的近似贝叶斯推断。非参数统计杂志17（3）：385-400·Zbl 1061.62051号
[3] Engel J，Herrmann E，Gasser T（1994）密度及其导数核估计的迭代带宽选择器。J非参数统计4:2134·Zbl 1380.62146号 ·网址：10.1080/10485259408832598
[4] Ghosh JK，Delampady M，Samanta T（2006）贝叶斯分析简介。纽约州施普林格·Zbl 1135.6202号
[5] Hampel FR（1974）影响曲线及其在稳健估计中的作用。美国统计协会杂志69:383-393·Zbl 0305.62031号 ·doi:10.1080/01621459.1974.10482962
[6] Hampel FR、Ronchetti EM、Rousseeuw PJ、Stahel WA（1986）稳健统计。概率与数理统计威利系列：概率与数理统计。纽约威利（基于影响函数的方法）·Zbl 1331.62175号
[7] Hansen BE（2004）非参数条件密度估计。http://www.ssc.wisc.edu/bhansen/papers/ncde（未出版手稿）·Zbl 1274.62227号
[8] Hoff PD（2007）扩展半参数copula估计的秩似然。应用统计年鉴1（1）：265-283·邮编1129.62050
[9] Hooker G（2013）条件差方法的一致性、效率和稳健性。arXiv:1307.3730·Zbl 1388.6206号
[10] Huber P（1981）稳健统计。纽约威利·Zbl 0536.62025号 ·doi:10.1002/0471725250
[11] Jiang W，Tanner MA（2008）Gibbs posterinal for variable selection in high dimension classification and data mining高维分类和数据挖掘中的变量选择。Ann Stat 26（5）：2207-2231·Zbl 1274.62227号 ·doi:10.1214/07-AOS547
[12] Jureckova J，Sen PK（1996）稳健的统计程序。概率统计威利系列：应用概率统计。纽约威利出版社（渐近与相互关系，威利国际科学出版物）·Zbl 0862.62032号
[13] Li Q，Racine JS（2007）非参数计量经济学。普林斯顿大学出版社·Zbl 1183.62200号
[14] Lindsay BG（1994）效率与稳健性：最小Hellinger距离和相关方法的案例。安统计22:1081-1114·Zbl 0807.62030 ·doi:10.1214/aos/1176325512
[15] Maronna RA、Martin RD、Yohai VJ（2006）稳健统计。概率和统计学中的威利级数。理论和方法。奇切斯特·威利·邮编1094.62040
[16] Nielsen M、Vidyashankar A、Hanlon B、Diao G、Petersen S、Kaplan R（2013）《评估吡喃醇对马体内强直型寄生虫疗效的层次模型》。兽医寄生虫197（3）：614-622
[17] O'Hagan A（1979）关于贝叶斯推断中的异常拒绝现象。皇家统计学会杂志B 41:358-367·兹比尔0422.62027
[18] O'Hagan A（1990）位置参数推断的异常值和可信度。美国统计协会杂志85:172-176·Zbl 0706.62030号 ·doi:10.1080/01621459.1990.10475321
[19] Park C，Basu A（2004）最小视差估计：渐近正态性和崩溃点结果。Bull Inf网络36:19-34·Zbl 1271.62075号
[20] Peng F，Dey DK（1995）使用散度度量对异常值问题进行贝叶斯分析。加拿大统计局23:199-213·Zbl 0833.62028号 ·doi:10.2307/3315445
[21] Sheather SJ，Jones MC（1991）一种用于核密度估计的可靠的基于数据的带宽选择方法。皇家统计学会期刊B 53:683690·Zbl 0800.62219
[22] Silverman BW（1982）密度估计。博卡拉顿查普曼和霍尔
[23] Simpson DG（1987）计数数据分析的最小Hellinger距离估计。美国统计协会杂志82:802-807·Zbl 0633.62029号 ·doi:10.1080/01621459.1987.10478501
[24] Simpson DG（1989）Hellinger偏差测试：效率、故障点和示例。美国统计学会杂志84:107-113·doi:10.1080/01621459.1989.10478744
[25] Sollich P（2002）支持向量机的贝叶斯方法：证据和预测类概率。马赫学习46:21-52·Zbl 0998.68098号 ·doi:10.1023/A:1012489924661
[26] Stigler SM（1973）修剪平均值的渐近分布。安统计1:427-477·兹比尔0261.62016
[27] Szpiro AA、Rice KM、Lumley T（2010年），模型回归和贝叶斯“三明治”估计。应用统计年鉴4:2099-2113·Zbl 1220.62025号 ·doi:10.1214/10-AOAS362
[28] Tamura RN，Boos DD（1986），多元位置和协方差的最小Hellinger距离估计。美国统计协会杂志81:223-229·Zbl 0601.62051号 ·doi:10.1080/016214519986.10478264
[29] Wand M，Ripley B（2009）KernSmooth：核平滑函数。R包版本2.23-3
[30] Wu Y，Hooker G（2013）贝叶斯模型通过差异的稳健性。arXiv公司：1112.4213·Zbl 1089.62128号
[31] Zhan X，Hettmansperger TP（2007）双样本位置模型中的贝叶斯R估计。计算统计数据分析51（10）：5077-5089·Zbl 1162.62331号 ·doi:10.1016/j.csda.2006.02.018
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。