见鬼，Daniel W。;安东尼·奥弗斯托尔（Antony M.Overstall）。;昆廷·F·格罗瑙。;工资制造者，埃里克·扬 使用离散马尔可夫模型量化跨维马尔可夫链蒙特卡罗中的不确定性。 （英语） Zbl 1430.62056号 统计计算。 29，第4号，631-643（2019）. 概述：贝叶斯分析通常涉及对不同维度的模型进行评估，例如模型选择或混合模型。为了便于评估，跨维马尔可夫链蒙特卡罗（MCMC）依赖于对离散索引变量进行采样来估计后验模型概率。然而，很少有人关注这些估计的准确性。如果在跨维MCMC输出中，模型之间只发生很少的切换，则精度可能会很低，并且基于独立样本假设的评估可能会产生误导。在这里，我们提出了一种基于模型诱导变量的观测转移矩阵来估计精度的新方法。假设一阶马尔可夫模型，该方法从平稳分布的后验点采样。这允许评估估计后验模型概率、模型等级和贝叶斯因子中的不确定性。此外，该方法为MCMC输出的有效样本量提供了估计。在两个模型选择示例中，我们表明，所提出的方法能够很好地评估与估计的后验模型概率相关的不确定性。 引用于1文件 MSC公司： 2015年1月62日 贝叶斯推断 60J10型 马尔可夫链（离散状态空间上的离散时间马尔可夫过程） 65立方厘米 应用于马尔可夫链的数值分析或方法 关键词：可逆跳跃MCMC;产品空间MCMC;贝叶斯模型选择;后验模型概率;贝叶斯因子 软件：MCMC精度;继续;RcppArmadillo公司;蒙特卡罗采样;gvs_无人值守地面传感器;化学需氧量;GLIM公司;卡爪;犰狳 PDF格式BibTeX公司 XML格式引用 \textit{D.W.Heck}等人，《统计计算》。29，第4号，631--643（2019；Zbl 1430.62056） 全文： 内政部 arXiv公司 参考文献： [1] Alvares，D.，Armero，C.，Forte，A.：目标在Dirichlet多项式过程中意味着什么？国际统计版次86，106-118（2018）。https://doi.org/10.1111/insr.12231 ·Zbl 07763578号 ·doi:10.1111/insr.12231 [2] Anderson，T.W.，Goodman，L.A.：关于马尔可夫链的统计推断。安。数学。《美国联邦法律大全》第28卷第89-110页（1957年）。https://doi.org/10.1214/aoms/1177707039 ·Zbl 0087.14905号 ·doi:10.1214/aoms/1177707039 [3] Arnold，R.，Hayakawa，Y.，Yip，P.：使用任意维的有限混合进行捕获-再捕获估计。《生物统计学》66，644-655（2010）。https://doi.org/10.1111/j.1541-0420.2009.01289.x ·Zbl 1192.62251号 ·文件编号：10.1111/j.1541-0420.2009.01289.x [4] Barker，R.J.，Link，W.A.：RJMCMC的贝叶斯多模推理：吉布斯抽样方法。《美国统计》第67卷第150-156页（2013年）。https://doi.org/10.1080/0031305.2013.791644 ·Zbl 07649199号 ·doi:10.1080/00031305.2013.791644 [5] Brooks，S.P.，Giudici，P.：通过双向方差分析进行马尔可夫链蒙特卡罗收敛性评估。J.计算。图表。《统计》第9卷，第266-285页（2000年）。https://doi.org/101080/10618600.2000.10474880 ·doi:10.1080/10618600.2000.10474880 [6] Brooks，S.、Giudici，P.、Philippe，A.：MCMC模型选择的非参数收敛评估。J.计算。图表。《统计》第12卷第1-22页（2003a）。https://doi.org/10.1198/1061860031347 ·doi:10.1198/1061860031347 [7] Brooks，S.P.，Giudici，P.，Roberts，G.O.：可逆跳马尔可夫链蒙特卡罗建议分布的有效构造。J.R.统计社会服务。B（Stat.Methodol.）65，3-39（2003b）。https://doi.org/10.1111/1467-9868.03711 ·Zbl 1063.62120号 ·doi:10.1111/1467-9868.03711 [8] Burke，C.J.，Rosenblatt，M.：马尔可夫链的马尔可夫函数。安。数学。《美国联邦法律大全》第29卷第1112-1122页（1958年）。https://doi.org/10.1214/aoms/117706444 ·Zbl 0100.34402号 ·doi:10.1214/aoms/1177706444 [9] Carlin，B.P.，Chib，S.：通过马尔可夫链蒙特卡罗方法选择贝叶斯模型。J.R.统计社会服务。B（Methodol.）57，473-484（1995）·Zbl 0827.62027号 [10] Castelloe，J.M.，Zimmerman，D.L.：可逆跳跃MCMC采样器的收敛评估。技术报告313，爱荷华大学统计和精算科学系（2002年） [11] Dellaportas，P.，Forster，J.J.：层次和图形对数线性模型的马尔可夫链蒙特卡罗模型确定。《生物特征》86，615-633（1999）。http://www.jstor.org/stable/2673658 ·Zbl 0949.62050号 [12] Dellaportas，P。；JJ福斯特；Ntzoufras，I。；Dey，DK（编辑）；Ghosh，SK（编辑）；Mallick，BK（编辑），使用吉布斯采样器的贝叶斯变量选择，273-286（2000），纽约·Zbl 1026.62023号 [13] Dellaportas，P.，Forster，J.J.，Ntzoufras，I.：关于贝叶斯模型和使用MCMC的变量选择。统计计算。12, 27-36 (2002). https://doi.org/10.1023/A:1013164120801 ·Zbl 1247.62086号 ·doi:10.1023/A:1013164120801 [14] Doss，C.R.，Flegal，J.M.，Jones，G.L.，Neath，R.C.：分位数的马尔可夫链蒙特卡罗估计。电子。《美国联邦法律大全》第8卷，第2448-2478页（2014年）。https://doi.org/10.1214/14-EJS957 ·Zbl 1329.62363号 ·doi:10.1214/14-EJS957 [15] Eddelbuettel，D.，Sanderson，C.：RcppArmadillo：使用高性能C++线性代数加速R。计算。统计数据分析。71, 1054-1063 (2014). https://doi.org/10.1016/j.csda.2013.02.005 ·Zbl 1471.62055号 ·doi:10.1016/j.csda.2013.02.005 [16] Edwards，D.，Havránek，T.：多维列联表中模型搜索的快速程序。《生物特征》72，339-351（1985）。https://doi.org/10.2307/2336086 ·Zbl 0576.62067号 ·doi:10.307/2336086 [17] Flegal，J.M.，Gong，L.：马尔可夫链蒙特卡罗模拟的相对固定宽度停止规则。统计正弦。25, 655-675 (2015). http://www.jstor.org/stable/24311039 ·Zbl 06503815号 [18] Forster，J.J.，Gill，R.C.，Overstall，A.M.：广义线性模型和广义线性混合模型的可逆跳跃方法。统计计算。22, 107-120 (2012). https://doi.org/10.1007/s11222-010-9210-3 ·Zbl 1322.62195号 ·doi:10.1007/s11222-010-9210-3 [19] Frühwirth-Schnatter，S.：经典和动态切换及混合模型的马尔可夫链蒙特卡罗估计。《美国统计协会期刊》96，194-209（2001）。https://doi.org/10.1198/0162114501750333063 ·Zbl 1015.62022号 ·doi:10.1198/016214501750333063 [20] Gong，L.，Flegal，J.M.：高维马尔可夫链蒙特卡罗的实用顺序停止规则。J.计算。图表。《统计》第25卷，第684-700页（2016年）。https://doi.org/101080/10618600.2015.1044092 ·doi:10.1080/10618600.2015.044092 [21] Green，P.J.：可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定。《生物特征》82，711-732（1995）。https://doi.org/10.1093/biomet/82.4.711 ·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711 [22] Healy，M.J.R.：GLIM:简介。牛津大学克莱顿出版社（1988） [23] Heck，D.W.，Hilbig，B.E.，Moshagen，M.：从信息处理到决策：形式化和比较概率选择模型。认知。精神病。96, 26-40 (2017). https://doi.org/10.1016/j.cogpsych.2017.05.003 ·doi:10.1016/j.cogpsych.2017.05.003 [24] Heck，D.W.，Gronau，Q.F.，Overstall，A.M.，Wagenmakers，E.J.：MCMCprecision：跨维MCMC中离散变量的精度（2018）。https://CRAN.R-project.org/package=MCMCprecision [25] Heidelberger，P.，Welch，P.D.：模拟中置信区间生成和运行长度控制的谱方法。Commun公司。ACM 24，233-245（1981）。https://doi.org/10.1145/358598.358630 ·数字对象标识代码：10.1145/358598.358630 [26] Jeffreys，H.：概率论。牛津大学出版社，纽约（1961年）·Zbl 0116.34904号 [27] Jones，G.L.，Haran，M.，Caffo，B.S.，Neath，R.：马尔可夫链蒙特卡罗的固定宽度输出分析。《美国统计协会期刊》101，1537-1547（2006）。https://doi.org/10.1198/016214506000000492 ·Zbl 1171.62316号 ·doi:10.1198/016214500000492 [28] Karnesis，N.：LISA探路者的贝叶斯模型选择。物理学。修订版D 892001年6月（2014年）。https://doi.org/10.103/PhysRevD.89.062001 ·doi:10.1103/PhysRevD.89.062001 [29] Kass，R.E.，Raftery，A.E.：贝叶斯因子。《美国统计协会期刊》，第90卷，第773-795页（1995年）。https://doi.org/10.1080/01621459.1995.10476572 ·兹比尔0846.62028 ·doi:10.1080/01621459.1995.10476572 [30] Kuo，L.，Mallick，B.：回归模型的变量选择。SankhyáIndian J.Stat.Ser.公司。B 60，65-81（1998年）。http://www.jstor.org/stable/25053023 ·Zbl 0972.62016号 [31] Lodewyckx，T.、Kim，W.、Lee，M.D.、Tuerlinckx，F.、Kuppens，P.、Wagenmakers，E.J.：关于使用乘积空间方法进行贝叶斯因子估计的教程。数学杂志。精神病。55, 331-347 (2011). https://doi.org/10.1016/j.jmp.2011.06.001 ·Zbl 1225.62037号 ·doi:10.1016/j.jmp.2011.06.001 [32] Lopes，H.F.，West，M.：因子分析中的贝叶斯模型评估。统计正弦。14, 41-67 (2004). http://www.jstor.org/stable/24307179 ·Zbl 1035.62060号 [33] Minka，T.P.：估计Dirichlet分布。《技术报告》，麻省理工学院，马萨诸塞州剑桥市（2000年）。https://tminka.github.io/papers/dirichlet/ [34] Ntzoufras，I.：使用BUGS选择吉布斯变量。J.统计软件。7, 1-19 (2002). https://doi.org/10.18637/jss.v007.i07 ·doi:10.18637/jss.v007.i07 [35] Ntzoufras，I.、Dellaportas，P.、Forster，J.J.：广义线性模型的贝叶斯变量和链接确定。J.统计计划。推论111，165-180（2003）。https://doi.org/10.1016/S0378-3758(02)00298-7 ·兹比尔1033.62026 ·doi:10.1016/S0378-3758（02）00298-7 [36] Opgen-Rhein，R.，Fahrmeir，L.，Strimmer，K.：使用可逆跳马尔可夫链蒙特卡罗从系谱树推断人口历史。BMC演变。生物学5，6（2005）。https://doi.org/10.1186/1471-2148-5-6 ·doi:10.1186/1471-2148-5-6 [37] Overstall，A.，King，R.：Conting：完整和不完整列联表的贝叶斯分析的R包。J.统计软件。58，1-27（2014年a）。https://doi.org/10.18637/jss.v058.i07 ·doi:10.18637/jss.v058.i07 [38] Overstall，A.M.，King，R.：具有相依因子水平的列联表的默认先验分布。统计方法。16、90-99（2014年b）。https://doi.org/10.1016/j.stamet.2013.08.007 ·兹比尔1486.62174 ·doi:10.1016/j.stamet.2013.08.07 [39] Plummer，M.：JAGS：使用吉布斯抽样分析贝叶斯图形模型的程序。摘自：《第三届分布式统计计算国际研讨会论文集》，第124卷，第125页。维也纳（2003） [40] Plummer，M.，Best，N.，Cowles，K.，Vines，K.：CODA：MCMC的收敛诊断和输出分析。R新闻6，7-11（2006） [41] Sanderson，C.，Curtin，R.：Armadillo：基于模板的线性代数C++库。J.开源软件。1, 26 (2016). https://doi.org/10.21105/joss.00026 ·doi:10.21105/joss.00026 [42] Scott，J.G.，Berger，J.O.：变量选择问题中的Bayes和经验主义Bayes多重性调整。《美国年鉴》第38卷，第2587-2619页（2010年）。https://doi.org/10.1214/10-AOS792 ·Zbl 1200.62020年 ·doi:10.1214/10-AOS792 [43] Sisson，S.A.：超维马尔可夫链。《美国统计协会期刊》第100卷，第1077-1089页（2005年）。https://doi.org/10.1198/01621450000000664 ·Zbl 1117.62428号 ·doi:10.1198/01621450000000664 [44] Sisson，S.A.，Fan，Y.：基于距离的跨维马尔可夫链诊断。统计计算。17, 357-367 (2007). https://doi.org/10.1007/s11222-007-9025-z ·doi:10.1007/s11222-007-9025-z [45] Stephens，M.：成分数量未知的混合模型的贝叶斯分析——可逆跳跃法的替代方法。Ann.Stat.28，40-74（2000年）。http://www.jstor.org/stable/2673981 ·Zbl 1106.62316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。