×

一种基于半参数和位置移动连接的混合模型。 (英语) Zbl 1381.62186号

摘要:长期以来,混合分布建模依赖于高斯分布和/或条件独立假设。直到最近,研究人员才开始构建和研究更广泛的通用模型,而没有对这些假设提出上诉。其中一些扩展使用连接函数作为构建灵活模型的工具,因为它们允许分别建模相关性和边际分布。但这种方法也有缺点。首先,从业者必须做出更武断的选择,其次,边缘的错误说明可能隐约可见。本文旨在通过提出一种基于连接函数的半参数混合模型来克服这些局限性。由于位置偏移假设,半参数估计也是可行的,允许在不进行任何建模工作的情况下进行数据调整。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
62G05型 非参数估计
PDF格式BibTeX公司 XML格式引用
全文: 内政部 哈尔

参考文献:

[1] AKAIKE,H.(1973),“信息理论与最大似然原理的扩展”,第二届信息理论国际研讨会,B.N.Petrov和F.Csaki编辑,匈牙利:Akadémiai Kiadó·Zbl 0283.62006号
[2] AKAIKE,H.(1974),“统计模型识别的新视角”,IEEE自动控制汇刊,19(6),716-723·兹伯利0314.62039 ·doi:10.1109/TAC.1974.1100705
[3] BENAGLIA,T.、CHAUVEAU,D.和HUNTER,D.R.(2009),“多元混合中半参数和非参数估计的类EM算法”,计算与图形统计杂志,18(2),505-526·doi:10.1198/jcgs.2009.07175
[4] BORDES,L,CHAUVEAU,D.和VANDEKERKHOVE,P.(2007),“半参数混合模型的随机EM算法”,计算统计与数据分析,51(11),5429-5443·Zbl 1445.62056号 ·doi:10.1016/j.csda.2006.08.015
[5] DEMPSTER,A.P.、LAIRD,N.M.和RUBIN,D.B.(1977),“通过EM算法从不完整数据中获得最大可能性”,英国皇家统计学会杂志。B系列,39,1-38·Zbl 0364.62022号
[6] DUONG,T.(2015),“ks:内核平滑”,R包,https://cran.r-project.org/package=ks/ ·Zbl 0536.62021号
[7] FORBES,F.和WRAITH,D.(2014),“尾量边际可变的多元重尾分布新家族:稳健聚类的应用”,统计与计算,24(6),971-984·Zbl 1332.62204号 ·doi:10.1007/s11222-013-9414-4
[8] FRALEY,C.、RAFTERY,A.E.、BRENDAN,T.M.和SCRUCCA,L.(2012),《R的mclust第4版:基于模型的聚类、分类和密度估计的正态混合建模》,技术报告597,华盛顿大学统计系,https://cran.r-project.org/package=mclust。 ·兹比尔1520.62002
[9] GENEST,C.和FAVRE,A.-C.(2007),“关于Copula建模你一直想知道但又害怕问的一切”,《水文工程杂志》,12(4),347-368·doi:10.1061/(ASCE)1084-0699(2007)12:4(347)
[10] GENEST,C.、GHOUDI,K.和RIVEST,L.-P.(1995),“多元分布族中依赖参数的半参数估计程序”,《生物计量学》,82(3),543-552·Zbl 0831.62030号 ·doi:10.1093/biomet/82.3543
[11] GOOD,I.J.和GASKINS,R.A.(1971),“概率密度的非参数粗糙度惩罚”,《生物统计学》,58,255-277·Zbl 0221.62012号 ·doi:10.2307/2334515
[12] HARTIGAN,J.A.和WONG,M.A.(1979),“K-Means聚类算法”,英国皇家统计学会期刊。C系列,28,100-108·Zbl 0447.62062号
[13] HUNTER,D.R.、WANG,S.和HETTMANSPERGER,T.P.(2007),“对称分布混合的推断”,《统计年鉴》,第35、224-251页·Zbl 1114.62035号 ·doi:10.1214/0090536000000118
[14] JOE,H.(2001),多元模型和依赖概念,佛罗里达州博卡拉顿:查普曼和霍尔/CRC·Zbl 0990.62517号
[15] JOE,H.(2014),《使用Copulas、Chapman和Hall/CRC的依赖建模》·Zbl 1346.62001号
[16] JONES,M.C.、MARRON,J.S.和SHEATHERM S.J.(1996),“密度估计带宽选择的简要调查”,《美国统计协会杂志》,91(433),401-407·Zbl 0873.62040号 ·doi:10.1080/01621459.1996.10476701
[17] KOSMIDIS,I.和KARLIS,D.(2016),“使用Copula与应用程序的基于模型的聚类”,《统计与计算》,26(5),1079-1099·Zbl 1505.62233号 ·doi:10.1007/s11222-015-9590-5
[18] LEE,S.和MCLACHLAN,G.J.(2014),“多元斜t分布的有限混合:一些最近和新的结果”,《统计与计算》,24(2),181-202·Zbl 1325.62107号 ·doi:10.1007/s11222-012-9362-4
[19] LEVINE,M.、HUNTER,D.R.和CHAUVEAU,D.(2011),“多元混合物的最大平滑似然”,《生物统计学》,98(2),403-416·Zbl 1215.62055号 ·doi:10.1093/biomet/asq079
[20] MARBAC,M.、BIERNACKI,C.和VANDEWALE,V.(2014),“混合数据高斯Copulas的基于模型的聚类”,arXiv预印本arXiv:1405.1299·Zbl 1384.62198号
[21] MARBAC,M.、BIERNACKI,C.和VANDEWALLE,V.(2015),“条件相关分类数据的基于模型的聚类”,《分类杂志》,32(2),145-175·Zbl 1335.62103号 ·文件编号:10.1007/s00357-015-9180-4
[22] MCLACHLAN,G.和KRISHNAN,T.(2007),EM算法和扩展(第382卷),纽约:John Wiley and Sons。
[23] MCLACHLAN,G.和PEEL,D.(2004),有限混合模型,纽约:John Wiley and Sons·Zbl 0963.62061号
[24] NELSEN,R.B.(2006),《Copulas简介》,纽约:斯普林格出版社·Zbl 1152.62030
[25] REDNER,R.A.和WALKER,H.F.(1984),“混合物密度、最大似然和EM算法”,《SIAM评论》,26(2),195-239·Zbl 0536.62021号 ·数字对象标识代码:10.1137/1026034
[26] SAKAMOTO,Y.、ISHIGURO,M.和KITAGAWA,G.(1986),秋叶信息标准统计,东京:KTK科学出版社·Zbl 0608.62006
[27] SILVERMAN,B.W.(1998),《统计和数据分析密度估计》,伦敦:查普曼和霍尔出版社·Zbl 0617.62042号
[28] SKLAR,A.(1959年),《法国巴黎大学统计研究所》,第8期,第229-231页·Zbl 0100.14202号
[29] VRAC,M.、BILLARD,L、DIDAY,E.和CHéDIN,A.(2012),“混合模型的Copula分析”,计算统计学,27(3),427-457·Zbl 1304.65087号 ·doi:10.1007/s00180-011-0266-0
[30] WAND,M.P.和JONES,M.C.(1994),“多变量插入式带宽选择”,计算统计,9(2),97-116·Zbl 0937.62055号
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。