×
朴俊永

基于经验似然和一般最大似然估计的同时估计。 （英语） Zbl 1469.62126号

计算。统计数据分析。 117, 19-31 (2018).
小结：同时估计平均值的一个典型问题是估计正态分布的平均值，然而，当未指定正态性或任何其他分布时，需要更稳健的估计程序。基于经验似然提出了一种新的估计方法，该方法不需要任何特定的分布假设。新思想是基于将经验似然与一般最大似然估计相结合。一种著名的非参数估计量，即线性经验贝叶斯估计量，在某种框架下可以被解释为基于经验似然的估计量，并且表明所提出的方法可以改进线性经验贝叶斯估计量。通过数值研究，将所提出的估计量与现有的一些估计量进行了比较。将所提出的估计量应用于估计高值观测值对应的平均值问题。提供了基因表达的模拟和实际数据示例。

MSC公司：

62-08 统计问题的计算方法
62C12号机组 经验决策程序；经验贝叶斯程序
62G05型 非参数估计
62页第10页 统计学在生物学和医学中的应用；元分析

关键词：

经验似然;一般最大似然;平均向量的估计

软件：

EBayesThresh公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Park}，计算。统计数据分析。117、19-31（2018；Zbl 1469.62126）
全文： DOI程序

参考文献：

[1] Y.本杰米尼。；Hochberg，Y.，《控制错误发现率：一种实用且强大的多重测试方法》，J.R.Stat.Soc.Ser。B.（Methodol）。，57, 289-300, (1995) ·Zbl 0809.62014号
[2] 布朗，L。；Greenshtein，E.，估计正态均值高维向量的非参数经验贝叶斯和复合决策方法，Ann.Statist。，37, 1685-1704, (2009) ·Zbl 1166.62005年
[3] 布朗，L。；Greenshtein，E。；Ritov，Y.，《重访泊松复合决策问题》，J.Amer。统计师。协会，108，741-749，（2013）·Zbl 06195975号
[4] Brown，L.D.，Mukherjee，G.，Weinstein，A.，2016年。双向交叉分类可加模型的经验Bayes估计。https://arxiv.org/abs/1605.08466。
[5] Donoho，D.L。；Johnstone，I.M.，通过小波收缩实现理想的空间自适应，Biometrika，81，425-455，（1994）·Zbl 0815.62019号
[6] Donoho，D.L。；Johnstone，I.M.，通过波纹收缩适应未知的光滑度，J.Amer。统计师。协会，901200-1224，（1995）·兹比尔0869.62024
[7] Efron，B.，2005年。大规模同时推理的选择和估计。技术报告。斯坦福大学统计系，加利福尼亚州斯坦福，http://www-stat.stanford.edu/brad/papers/Selection.pdf。
[8] Efron，B.，《大规模预测问题的经验贝叶斯估计》，J.Amer。统计师。协会，1041015-1028，（2009）·Zbl 1388.62009号
[9] 埃夫隆，B。；Tibshirani，R。；Storey，J。；Tusher，V.，微阵列实验的经验贝叶斯分析，J.Amer。统计师。协会，96，1151-1160，（2001）·Zbl 1073.62511号
[10] 埃里克森，S。；Sabatti，C.，基因表达变化稀疏载体的经验Bayes估计，Stat.Appl。遗传学。分子生物学。，4，（2005），第22条·Zbl 1081.62093号
[11] Greenshtein，E。；Park，J.，非参数经验贝叶斯估计在高维分类中的应用，J.Mach。学习。第10号决议，1687-1704，（2009年）·Zbl 1235.62010号
[12] Greenshtein，E。；Park，J。；Ritov，Y.，估计高维高值观测的平均值，J.Stat.理论实践。，2, 3, 407-418, (2008) ·Zbl 1211.62015年
[13] 詹姆斯·W·。；Stein，C.，带二次损失的估计，（第四届伯克利数理统计与概率研讨会论文集，第1卷：对统计学理论的贡献，（1961年），加州大学伯克利出版社，361-379·Zbl 1281.62026号
[14] 蒋伟（Jiang，W.）。；张春华，正态均值的广义极大似然经验贝叶斯估计，Ann.Statist。，37, 1647-1684, (2009) ·Zbl 1168.62005号
[15] 约翰斯通，I.M。；Silverman，B.W.，《干草堆中的针头和稻草：可能稀疏序列的经验贝叶斯估计》，《统计年鉴》。，32, 1594-1649, (2004) ·Zbl 1047.62008年
[16] Koenker，R。；Mizera，I.，凸优化，形状约束，复合决策和经验贝叶斯规则，J.Amer。统计师。协会，109674-685，（2014）·Zbl 1367.62020号
[17] Laird，N.，混合分布的非参数最大似然估计，J.Amer。统计师。协会，73805-811，（1978）·Zbl 0391.62029号
[18] Mukherjee，G.，Brown，L.D.，Rusmevichientong，P.，2015年。使用渐近风险估计进行支票损失下的有效经验贝叶斯预测。https://arxiv.org/abs/1511.00028。
[19] Owen，A.B.，单一功能的经验似然比置信区间，Biometrika，75，237-249，（1988）·Zbl 0641.62032号
[20] Owen，A.B.，经验似然置信区，Ann.Statist。，18, 90-120, (1990) ·Zbl 0712.62040号
[21] Owen，A.B.，线性模型的经验似然，Ann.Statist。，19, 1725-1747, (1991) ·Zbl 0799.62048号
[22] Owen，A.B.，《经验可能性》，（2001），查普曼和霍尔/CRC纽约·Zbl 0989.62019
[23] Park，J.，《泊松均值同时估计中的非参数经验贝叶斯估计及其在质谱数据中的应用》，J.Nonparametr。统计，24，245-265，（2012）·Zbl 1416.62183号
[24] Park，J.，基于条件最大似然估计的正态平均向量估计中的收缩估计，Probab。统计师。莱特。，93, 1-6, (2014) ·Zbl 1400.62116号
[25] 罗宾斯，H.，《关于经验贝叶斯估计的一些思考》，《统计年鉴》。，11, 713-723, (1983) ·Zbl 0522.62024号
[26] Robbins，H.，均值和方差的线性经验Bayes估计，Proc。指甲。阿卡德。科学。美国，821571-1574，（1985）·Zbl 0559.62034号
[27] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，58, 267-288, (1996) ·Zbl 0850.62538号
[28] Wasserman，L.，《所有非参数统计》（2006），施普林格出版社·Zbl 1099.62029号
[29] Weinstein，A.，Ma，Z.，Brown，L.D.，Zhang，C-H.，2015年。异方差正态均值的组线性经验Bayes估计。https://arxiv.org/abs/1503.08503。
[30] 谢，X。；寇，S.C。；Brown，L.D.，异方差层次模型的SURE估计，J.Amer。统计师。协会，107，1465-1479，（2012）·Zbl 1284.62450号
[31] 张春华，随机变量和的估计：示例和信息界，《统计年鉴》。，33, 2022-2041, (2005) ·兹比尔1086.62035
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。