×
英·麦克纳布（Ying C.MacNab）。

重编：“关于多元高斯马尔可夫随机场的一些最新工作”。 （英语） Zbl 1417.62277号

测试 27，第3期，554-569（2018）.
小结：我感谢讨论者，马丁内斯·贝尼托（M.A.Martinez-Beneito）【试验27，第3号，542-544（2018；Zbl 1417.62278号)],F.格雷科和C.特里维萨诺【试验27，第3号，549–553（2018；Zbl 1417.62275号)]、和S.R.Sain公司和R.富勒【试验27，编号3，545–548（2018；Zbl 1417.62279号)]，因为他们富有洞察力和刺激性的评论。反驳分为五个部分：（1）基于M的模型，（2）对（C）和（varSigma）先验选择的后验灵敏度，（3）平稳和非平稳（M）GMRF，（4）模型制定和相关应用的各种方法，以及（5）统计计算。
对[提交人，测试27，第3号，497–541（2018；Zbl 1417.62276号)].

引用于2文件

MSC公司：

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

关键词：

多元高斯;马尔可夫随机场

引文：

兹比尔1417.62278;Zbl 1417.62275号;Zbl 1417.62279号;兹比尔1417.62276

软件：

斯坦;GMRF库;ADVI公司;螺母
PDF格式BibTeX公司 XML格式引用
\textit{Y.C.MacNab}，测试27，第3号，554--569（2018；Zbl 1417.62277）
全文： 内政部

参考文献：

[1] Ainsworth LM，Dean CB（2006）疾病映射的近似推断。计算统计数据分析50:2552-2570·Zbl 1445.62260号 ·doi:10.1016/j.csda.2005.05.001
[2] Besag J（1972）关于一些二维平稳过程的相关结构。生物特征59:43-48·Zbl 0246.62093号 ·doi:10.1093/biomet/591.43
[3] 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
[4] Besag J（1975）非晶格数据的统计分析。J R Stat Soc Ser D（统计）24（3）：179-195
[5] Besag J，Green PJ（1993），空间统计和贝叶斯计算。J R Stat Soc Ser B（Methodol）杂志55（1）：25-37·Zbl 0800.62572号
[6] 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·Zbl 0760.62029号 ·doi:10.1007/BF00116466
[7] Beskos A、Pillai N、Boberts G、Sanz-Serna J、Stuart A（2013）混合蒙特卡罗算法的优化调整。伯努利19（5A）：1501-1534·Zbl 1287.60090号 ·文件编号：10.3150/12-BEJ414
[8] Blei DM、Kucukelbir A、McAuliffe JD（2017）《变量推断：统计学家评论》。美国统计协会杂志112（518）：859-877·doi:10.1080/01621459.2017.1285773
[9] Botella Rocamora P，Martinez Beneito MA，Banerjee S（2015）高度多变量疾病映射的统一建模框架。统计医学34（9）：1548-1559·数字对象标识代码：10.1002/sim.6423
[10] Breslow NE，Clayton DG（1993）广义线性混合模型中的近似推理。美国统计协会杂志88:925·Zbl 0775.62195号
[11] Brown AD、McMahan CS、Watson SC（2017）高斯马尔可夫随机场快速更新的抽样策略。预打印arXiv:1702.05518·Zbl 07632834号
[12] Castruccio S，Genton M（2018）气候模型大时空数据统计推断原则。统计概率Lett 136:92-96·Zbl 1463.62340号 ·doi:10.1016/j.spl.2018.02.026
[13] Cressie N，Verzelen N（2008）高斯马尔可夫随机场到高斯场的条件平均最小二乘拟合。计算统计数据分析52（5）：2794-2807·Zbl 1452.62707号 ·doi:10.1016/j.csda.2007.10.08
[14] Dempster AP，Laird NM，Rubin DB（1977）通过EM算法从不完整数据中获得最大似然。J R Stat Soc系列B 39（1）：1-38·Zbl 0364.62022号
[15] de Freitas N、Hojen-Sorensen P、Jordan MI、Russell S（2001）《变体MCMC》。摘自：第十七届人工智能不确定性会议论文集。Morgan Kaufmann Publishers Inc.，旧金山，第120-127页
[16] Descombes X，Sigelle M，Préteux F（1999）在非平稳框架中估计高斯-马尔可夫随机场参数：在遥感成像中的应用。IEEE Trans-Image处理8（4）：490-503·Zbl 1098.94502号 ·数字对象标识代码：10.1109/83.753737
[17] Fessler JA、Hero AO（1995）使用空间交替广义EM算法进行了最大似然图像重建。IEEE Trans-Image过程4（10）：1417-1429·数字对象标识代码：10.1109/83.465106
[18] Girolma M，Calderhead B（2011）Riemann流形Langevin和Hamilton Monte Carlo方法（含讨论）。J R Stat Soc Ser B（Methodol）杂志73:123214
[19] Gonzalez JE、Low Y、Gretton A、Guestrin C（2011）《平行吉布斯采样：从彩色田地到薄连接树》。摘自：《机器学习研究杂志：第14届国际人工智能与统计会议（AISTATS）论文集》，第324-332页
[20] Guha S，Ryan L，Morara M（2009）广义线性混合模型的高斯估计及其在空间变化疾病率泊松建模中的应用。J计算图统计18（4）：818-837·doi:10.1198/jcgs.2009.06127
[21] Gustafson P，MacNab YC，Wen S（2004）马尔可夫链蒙特卡罗算法中导数的值和随机游走抑制。统计计算14（1）：23-38·doi:10.1023/B:STCO.0000009413.87656.ef
[22] Huque MH，Anderson C，Walton R，Woolford S，Ryan L（2018）疾病绘图中的平滑个体水平协变量调整。生物技术杂志60:597-615·Zbl 1441.62375号 ·doi:10.1002/bimj201700143
[23] Hoffman MD，Gelman A（2014）《无回转取样器：哈密顿蒙特卡罗自适应设置路径长度》。J Mach学习研究15（1）：15931623·兹比尔1319.60150
[24] Kukukelbir A，Ranganath R，Gelman A，Blei D（2015）斯坦的自动变分推理。In：神经信息处理系统，第568-576页
[25] Kucukelbir A，Tran D，Ranganath R，Gelman A，Blei D（2017）《自动微分变分推理》。J Mach学习研究18:1-45·Zbl 1437.62109号
[26] Larribe F，Fearnhead P（2011），关于统计遗传学中的复合可能性。统计Sin 21（1）：43-69·Zbl 1206.62171号
[27] 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 Stat Soc系列B 73:423-498·Zbl 1274.62360号 ·文件编号：10.1111/j.1467-9868.2011.00777.x
[28] MacNab YC（2003a）空间相关卫生服务结果和利用率的分层贝叶斯建模。生物统计学59:305-316·Zbl 1210.62028号 ·数字对象标识代码：10.1111/1541-0420.0037
[29] MacNab YC（2003b）非罕见疾病小面积发病率的分层贝叶斯空间模型。《统计医学》22（10）：1761-73·doi:10.1002/sim.1463
[30] MacNab YC（2016a）多元格数据的区域化线性模型：区域化多元CAR模型的一般框架。统计医学35:3827-3850·doi:10.1002/sim.6955
[31] MacNab YC（2016b）多元晶格数据的共区域化线性模型：有序相关和无序MCAR。统计方法医学研究25（4）：1118-1144·doi:10.1177/0962280216660419
[32] MacNab YC、Farrell PJ、Gustafson P、Wen S（2004）《贝叶斯疾病映射中的估计》。生物计量学60:865-873·Zbl 1274.62833号 ·doi:10.1111/j.0006-341X.2004.00241.x
[33] MacNab YC，Lin Y（2009）《关于经验贝叶斯惩罚GLMM和贝叶斯疾病映射和生态建模中的拟似然推断》。计算统计数据分析53（8）：2950-2967·Zbl 1453.62148号 ·doi:10.1016/j.csda.2008.07.032
[34] MacNab YC（2018）。多元高斯马尔可夫随机场的正定约束和收缩估计。（未出版的手稿）
[35] Marcotte D，Allard D（2018），Gibbs使用GMRF在大晶格上采样。计算地质学111:190-199·doi:10.1016/j.cageo.2017.11.012
[36] 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 ·doi:10.1016/0047-259X（88）90040-1
[37] 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 ·doi:10.1093/biomet/ast023
[38] Martinez-Beneito MA、Botella-Rocamora P、Banerjee S（2017年）《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 ·doi:10.1214/16-BA995
[39] Neal RM（1996）神经网络的贝叶斯学习。纽约州施普林格·Zbl 0888.62021号 ·doi:10.1007/978-1-4612-0745-0
[40] Rue H（2001）高斯马尔可夫随机场的快速采样。J R Stat Soc序列B 63:325-338·Zbl 0979.62075号 ·doi:10.1111/1467-9868.00288
[41] Rue H，Tjelmeland H（2002）将高斯马尔可夫随机场拟合为高斯场。扫描J统计29:31-49·Zbl 1017.62088号 ·doi:10.1111/1467-9469.00058
[42] 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
[43] Rue H、Riebler A、Srbye SH、Illian JB、Simpson DP、Lindgren FK（2017）《贝叶斯计算与INLA：综述》。Ann Rev Stat应用程序4:395-421·doi:10.1146/annurev-statistics-060116-054045
[44] 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 ·doi:10.1214/10-AOAS369
[45] Stan开发团队（2016）Stan建模语言用户指南和参考手册，Versuib 2.14.0。http://mc-stan.org/。2018年5月访问
[46] Varin C、Reid N、Firth D（2011）《复合似然法概述》。统计罪21（1）：5-42·Zbl 05849508号
[47] Zammit-Mangion A，Rougier J（2018）一种稀疏线性代数算法，用于快速计算高斯马尔可夫随机场的预测方差。计算统计数据分析123:116-130·兹比尔1469.62174 ·doi:10.1016/j.csda.2018.02.001
[48] Zhang C，Shahbaba B，Zhao H（2018）通过分数匹配的变分哈密尔顿蒙特卡罗。贝叶斯分析13（2）：485-506·Zbl 06989957号 ·doi:10.1214/17-BA1060
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。