×

关于多元高斯马尔可夫随机场的一些最新工作。 (英语) Zbl 1417.62276号

摘要:介绍了多元高斯马尔可夫随机场条件公式的一些最新研究。重点是通过相容条件句和区域化来构建模型。特别注意单变量模型的多变量推广。从单变量模型构造开始,概述了构造多元扩展的关键方法。本文强调了多元模型的制定和实现中的两个挑战:(1)空间和非空间成分的纠缠,以及(2)正条件的强制执行。讨论了通过分解、分离和约束参数化来管理这两个挑战。还强调了灵活建模(条件)跨空间依赖,特别是非对称跨空间依赖的挑战。还讨论了非对称跨空间依赖的解释。提出了一个连接和统一模型开发各线的核心区域化框架。该框架能够分别通过线性和空间变化的共区域化系统地开发各种模型,并扩展到局部自适应模型。讨论了可变特定格上多元模型的形式化。所选模型以贝叶斯多元和时空疾病映射为例进行了说明。简要介绍了共区域化模型在成像分析、协方差建模、降维和潜在变量分析中的潜在应用。

理学硕士:

62M40型 随机字段;图像分析
62H11型 定向数据;空间统计学
62甲12 多元分析中的估计
2015年1月62日 贝叶斯推断
62立方米 空间过程推断
62M10个 统计学中的时间序列、自相关、回归等(GARCH)
62页第10页 统计学在生物学和医学中的应用;元分析
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Barnard J、McCulloch R、Meng X(2000年)根据标准偏差和相关性对协方差矩阵进行建模,并应用于收缩。统计Sin 10:1281-1311·Zbl 0980.62045号
[2] Banerjee S,Carlin PB,Gelfand AE(2014),空间数据的层次建模与分析,第2版。查普曼和霍尔,纽约·Zbl 1358.62009号
[3] Berman A,Plemmons RJ(1994)《数学科学中的非负矩阵》。菲勒德菲亚·西亚姆
[4] Besag J(1974)《晶格系统的空间相互作用和统计分析》(含讨论)。J R Stat Soc系列B 36:192-236·Zbl 0327.60067号
[5] Besag J,York J,MolliéA(1991)贝叶斯图像恢复,在空间统计中的两个应用。Ann Inst统计数学43:1-21·兹比尔0760.62029
[6] Besag J,Kooperberg C(1995)《条件和内在自回归》。生物特征82(4):733-746·兹比尔0899.62123
[7] Botella-Rocamora P,Martinez-Beneito MA,Banerjee S(2015)高度多元疾病映射的统一建模框架。统计医学34(9):1548-1559
[8] Brezger A,Fahrmeir L,Hennerfeind A(2007)自适应高斯马尔可夫随机场及其在人脑映射中的应用。应用统计56(3):327-345
[9] Brewer MJ,Nolan AJ(2007),贝叶斯内在自回归中的变量平滑。环境学18:841-857
[10] Brown PJ,Le ND,Zidek JV(1994)多元空间插值和空气污染物暴露。加拿大统计局22(4):489-509·Zbl 0817.62043号
[11] 英国石油公司卡林;班纳吉,S。;Bernardo,JM(编辑);Bayarri,MJ(编辑);JO Berger(编辑);Dawid,美联社(编辑);Heckerman,D.(编辑);史密斯,AEM(编辑);West,M.(ed.),时空相关生存数据的层次多元CAR模型(含讨论),45-63(2003),牛津
[12] Congdon P(2008a)健康结果的空间结构方程模型。J Stat Plan推断138(7):2090-2105·Zbl 1134.62074号
[13] Congdon P(2008b)区域健康数据的空间自适应条件自回归先验。统计方法5(6):552-563·Zbl 1248.62210号
[14] Conti S,O’Hagan A(2010)复杂多输出和动态计算机模型的贝叶斯仿真。J Stat Plan推断140:640-651·Zbl 1177.62033号
[15] Cressie N(1993)《空间数据统计》,第2版。纽约威利·Zbl 1347.62005年
[16] Cressie N,Wikle CK(2011)时空数据统计。纽约威利·Zbl 1273.62017年
[17] Daniels MJ,Kass RE(1999)协方差矩阵的非共轭贝叶斯估计及其在层次模型中的应用。美国统计协会杂志94(448):1254-263·Zbl 1069.62508号
[18] Daniels MJ,Zhou Z,Zou H(2006)多变量过程的条件指定时空模型。J计算图表统计15:157-177
[19] Dawid AP(1981)一些矩阵变量分布理论:符号考虑和贝叶斯应用。生物特征68(1):265-274·Zbl 0464.62039号
[20] Feingold DG,Varga RS(1962)块对角占优矩阵和Gerschgorin圆定理的推广。Pac J数学12:1241-1250·Zbl 0109.24802号
[21] Furrer R,Sain SR(2010)spam:稀疏矩阵R包,重点介绍高斯马尔可夫随机场的MCMC方法。J Stat Softw统计软件36(10):1-25
[22] Genton MG(2007)时空协方差矩阵的可分离近似。环境学18:681-695
[23] Genton MG,Kleiber W(2015)多元地质统计学的交叉方差函数。统计科学30(2):147-163·Zbl 1332.86010号
[24] Gelfand AE,Ghosh SK(1998)模型选择:最小后验预测损失方法。生物特征85:111·Zbl 0904.62036号
[25] Gelfand AE,Vounatsou P(2003)空间数据分析的适当多元条件自回归模型。生物统计学4:11-25·Zbl 1142.62393号
[26] Gelfand AE,Schmidt AM,Banerjee S,Sirmans CF(2004)通过空间变化的协同区域化进行非平稳多元过程建模(含讨论)。测试13:263-312·Zbl 1069.62074号
[27] Gelman A,Meng XL,Stern H(1996)通过实现的差异对模型质量进行后验预测评估。统计Sin 6:733807·Zbl 0859.62028号
[28] Gneiting T,Raftery AE(2007)严格正确的评分规则、预测和估计。美国统计协会杂志102(477):359-378·Zbl 1284.62093号
[29] Goicoa T、Adin A、Ugarte MD、Hodges JS(2018)在时空疾病映射模型中,可识别性约束会影响PQL和INLA结果。斯托克环境研究风险评估32(2):749-770
[30] Greco FP,Trivisano C(2009)改进相对风险估计的多元CAR模型。统计医学28:1707-1724
[31] Harville DA(2007)《统计学家视角下的矩阵代数》。纽约州施普林格·Zbl 1142.15001号
[32] Held L、Natrio I、Penton SE、Rue H、Becker N(2005)《走向联合疾病绘图》。统计方法医学研究14:61-82·Zbl 1057.62100号
[33] Hodges JS,Reich BJ(2010),添加空间相关错误可能会破坏你喜欢的固定效果。美国统计64(4):325-334·Zbl 1217.62095号
[34] Hoff PD(2011)通过塔克产品的可分离协方差数组,应用于多元关系数据。贝叶斯分析6(2):179-196·Zbl 1330.62132号
[35] Jin X,Carlin BP,Banerjee S(2005)区域数据的广义层次多元CAR模型。生物统计学61:950-961·兹比尔1087.62127
[36] Jin X,Carlin BP,Banerjee S(2007)无序共区域化区域数据模型及其在多重数据制图中的应用。J R Stat Soc系列B 69(5):817-838·兹伯利07555376
[37] Kashyap RL,Chellappa R(1983)图像空间交互模型中邻域的估计和选择。IEEE Trans-Inf理论IT-29(1):60-72·Zbl 0507.62082号
[38] Kim H,Sun D,Tsutakawa RK(2001)一种利用双重条件自回归模型改进死亡率估计的双变量贝叶斯方法。美国统计协会杂志96(456):1506-1521·Zbl 1051.62112号
[39] Knorr-Held L,Best NG(2000)疾病风险中不可分割时空变化的贝叶斯模型。Stat Med 19(17-18):2555-2567
[40] Knorr-Held L,Best NG(2001)两种疾病联合和选择性聚类的共享组件模型。J R Stat Soc Ser A期刊164:73-85·Zbl 1002.62513号
[41] Lawson A(2013)贝叶斯疾病映射:空间流行病学中的分层建模。查普曼和霍尔,纽约·Zbl 1266.62091号
[42] Lee D(2011)贝叶斯疾病映射中使用的条件自回归模型的比较。Spat时空流行病学2(2):79-89
[43] Lee D,Rushworth A,Sahu S(2014)估算空气污染对健康影响的贝叶斯局部条件自回归模型。生物统计学70:419-429·Zbl 1419.62387号
[44] 勒鲁,BG;雷,X。;北卡罗来纳州布雷斯洛。;Halloran,ME(编辑);Berry,D.(ed.),《小区域疾病率估算:空间依赖性的新混合模型》,135-178(1999),纽约
[45] Lichstein JW,Simon TR,Shriner SA,Franzreb KE(2002),生态学中的空间自相关和自回归模型。Ecol Monogr经济研究所72(3):445-463
[46] Lindgren F,Rue H,Lindstrom J(2011)高斯场和高斯-马尔可夫随机场之间的明确联系:随机偏微分方程方法。J R统计Soc B 73:423-498·Zbl 1274.62360号
[47] Liu X,Wall MM,Hodges JS(2005)广义空间结构方程模型。生物统计学6(4):539-557·Zbl 1169.62379号
[48] MacNab YC,Kemetic A,Gustafson P,Sheps S(2006)贝叶斯疾病映射方法在患者安全研究中的创新应用:加拿大不良医疗事件研究。统计医学25:3960-3980
[49] MacNab YC(2007),贝叶斯疾病映射中的样条平滑。环境计量18:727-744
[50] MacNab YC,Gustafson P(2007)贝叶斯疾病映射中的回归B样条平滑:在患者安全监测中的应用。统计医学26(24):4455-4474
[51] MacNab YC(2009)Bayesian多元疾病映射和协变量误差的生态回归:DALY和“可预防”DALY的Bayesia估计。Stat Med医学杂志28(9):1369-1385
[52] MacNab YC(2010),关于贝叶斯共享成分疾病映射和协方差误差的生态回归。统计医学29:1239-1249
[53] MacNab YC(2011)关于高斯马尔可夫随机场和贝叶斯疾病映射。统计方法医学研究20:49-68
[54] MacNab YC(2014)关于贝叶斯疾病映射和生态空间回归中的识别。统计方法医学研究23(2):134-55
[55] MacNab YC(2016a)多元晶格数据的共区域化线性模型:共区域化多元CAR模型的通用框架。统计医学35:3827-3850
[56] MacNab YC(2016b)多元格点数据共区域化的线性模型:有序相关和无序MCAR。统计方法医学研究25(4):1118-1144
[57] Mardia KV(1988)多维多元高斯马尔可夫随机场及其在图像处理中的应用。多变量分析杂志24:265-284·Zbl 0637.60065号
[58] Mardia KV,Goodall CR(1993)多元环境监测数据的时空分析。Multivar Environ Stat 6(76):347-385·Zbl 0825.62996号
[59] Martinez-Beneito MA(2013)《多变量疾病映射的通用建模框架》。生物特征100(3):539-553·Zbl 1284.62667号
[60] Martinez-Beneito MA、Botella-Rocamora P、Banerjee S(2017年)《迈向贝叶斯疾病映射的多维方法》。贝叶斯分析12(1):239-259·Zbl 1384.62308号
[61] Oliveira VD(2012)条件自回归模型的贝叶斯分析。Ann Inst统计数学64:107133·Zbl 1238.62028号
[62] Pan JX,MacKenzie G(2003)关于纵向研究中的建模均值-方差结构。生物特征90:239-244·Zbl 1039.62068号
[63] Pan JX,MacKenzie G(2007)线性混合模型中的条件协方差建模。统计模型7(1):49-71·Zbl 07257672号
[64] Pourahmadi M(1999)纵向数据应用的联合均值-方差模型:无约束参数化。生物特征86(3):677-690·Zbl 0949.62066号
[65] Pourahmadi M(2000)多元正态协方差矩阵广义线性模型的最大似然估计。Biometrika 87(2):425-435·Zbl 0954.62091号
[66] Pourahmadi M(2007)协方差矩阵的Cholesky分解和估计:方差相关参数的正交性。生物医学94(4):1006-1013·Zbl 1156.62043号
[67] Pourahmadi M(2011)协方差估计:GLM和正则化视角。统计科学26(3):369-387·兹比尔1246.62139
[68] Pourahmadi M(2013)高维协方差估计。纽约威利·Zbl 1276.62031号
[69] Pourmohamad T,Lee HKH(2016)混合型相关响应的多元随机过程模型。贝叶斯分析11(3):797-820·Zbl 1359.62402号
[70] R开发核心团队(2007)R:统计计算的语言和环境。R统计计算基金会,维也纳
[71] Reich B,Hodges JS(2008)《纵向空间牙周数据建模:一种具有指定先验值和检查拟合的工具的空间自适应模型》。生物计量学64:790-799·Zbl 1170.62399号
[72] Reich BJ,Hodges JS,Zadnik V(2006)疾病映射模型中残余平滑对固定效应后验的影响。生物统计学62(4):11971206·Zbl 1114.62124号
[73] Royle AJ,Berliner ML(1999)多元空间建模和预测的层次方法。农业生物环境杂志Stat 4(1):29-56
[74] Rue H,Held L(2005)高斯马尔可夫随机场:理论与应用。查普曼和霍尔,纽约·邮编1093.60003
[75] Sain SR,Cressie N(2007)多元晶格数据的空间分析。《经济学杂志》140:226-259·Zbl 1418.62368号
[76] Sain SR、Furrer R、Cressie N(2011)区域气候模型多元输出的空间分析。应用统计年鉴5(1):150-175·Zbl 1220.62152号
[77] Schmidt AM,Gelfand AE(2003)多元污染物数据的贝叶斯协同区域化方法。地球物理研究杂志108 STS 10:1-9
[78] Spiegelhalter DJ、Best NG、Carlin BP、van der Linde A(2002)模型复杂性和拟合的贝叶斯度量(含讨论)。J R Stat Soc序列B 64:583-640·Zbl 1067.62010年
[79] Spiegelhalter DJ、Thomas A、Best NG、Lunn D(2007)WinBUGS用户手册1.4.3版
[80] Sun D,Tsutakawa RK,Speckman PL(1999)使用CAR(1)分布的层次模型的后验分布。生物计量学86:341-350·Zbl 0931.62081号
[81] Sun W,Le ND,Zidek JV,Burnett R(1998)《健康影响研究中贝叶斯多元插值方法的评估》。环境测量9:565-586
[82] Ugarte MD、Adin A、Goicoa T(2017)一维、二维和三维B样条曲线,用于指定贝叶斯疾病映射中的时空交互:模型拟合和模型可识别性。垃圾邮件统计22(2):451-468
[83] Wackernagel H(2003)《多元地质统计学:应用简介》。柏林施普林格·Zbl 1015.62128号
[84] Wakefield J,Salway R(2001)生态和总量研究的统计框架。J R Stat Soc Ser A期刊164(1):119-137·Zbl 1002.62525号
[85] Watanabe S(2010)贝叶斯交叉验证的渐近等价性和奇异学习理论中广泛适用的信息准则。J Mach学习研究11:3571-3594·Zbl 1242.62024号
[86] Zhang H(2007)多元空间线性区域化模型的最大似然估计。环境计量18:125-139
[87] Zhang L,Baladadayuthapani V,Zhu H,Baggerly KA,Majewski T,Czerniak BA,Morris JS(2016)大型空间相关功能数据集的功能CAR模型。美国统计协会期刊111(514):772-786
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。