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。