×
陈曦;迈克尔·霍布森;萨普塔什·达斯;保罗·盖尔德布鲁姆

使用后验重划分提高嵌套采样的效率和鲁棒性。 （英语） Zbl 1430.62031号

统计计算。 29，第4号，835-850（2019）.
摘要：在实际的贝叶斯推理应用程序中，有关感兴趣参数的先前假设可能无法代表给定数据集的实际值。特别是，如果可能性集中在假定的先验分布的两翼，这可能会导致对结果的后验嵌套抽样（NS）算法的探索效率极低，相关的计算成本不必要地高。在这种情况下，扩大先验范围等简单解决方案在实际应用中可能不合适或不可行，例如，当人们希望在分析大量数据集时假设一个标准化的先验，而这些数据集的相关参数的真实值可能会发生变化。因此，这项工作为NS算法引入了一种后验重划分（PR）方法，该方法通过重新定义似然和先验来解决问题，同时保持其乘积不变，从而使后验推断和证据估计保持不变，但NS过程的效率显著提高。数值结果表明，PR方法为NS算法提供了一种简单而强大的改进，以解决无代表性先验的问题。

MSC公司：

第62天05 抽样理论、抽样调查
2015年1月62日 贝叶斯推断

关键词：

贝叶斯建模;嵌套采样;非代表性先验;后重分配

软件：

复合和弦;pypmc公司;多重嵌套;PyMC公司;PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Chen}等人，《统计计算》。29，第4号，835--850（2019；Zbl 1430.62031）
全文： DOI程序 arXiv公司

参考文献：

[1] Allison，R.，Dunkley，J.：贝叶斯参数估计抽样技术的比较。周一。不是。R.阿斯顿。Soc.437（4），3918-3928（2013）·doi:10.1093/mnras/stt2190
[2] Bishop，C.：模式识别和机器学习。施普林格，柏林（2006）·Zbl 1107.68072号
[3] 肖邦，N.，罗伯特，C.：嵌套采样的特性。生物特征97（3），741-755（2010）·Zbl 1195.62185号 ·doi:10.1093/biomet/asq021
[4] Endres，D.，Schindelin，J.：概率分布的一种新度量。IEEE传输。《信息论》49（7），1858-1860（2003）·Zbl 1294.62003年 ·doi:10.1109/TIT.2003.813506
[5] Feroz，F.，Hobson，M.：多模嵌套抽样：天文数据分析中马尔可夫链蒙特卡罗方法的一种有效且稳健的替代方法。周一。不是。R.阿斯顿。Soc.384（2），449-463（2008）·文件编号：10.1111/j.1365-2966.2007.12353.x
[6] Feroz，F.，Hobson，M.，Bridges，M.：MultiNest：宇宙学和粒子物理学的一种高效且稳健的贝叶斯推理工具。周一。不是。R.阿斯顿。Soc.398（4），1601-1614（2009）·文件编号：10.1111/j.1365-2966.2009.14548.x
[7] Feroz，F.、Hobson，M.、Cameron，E.、Pettitt，A.：重要性嵌套采样和多重嵌套算法。arXiv:13062144（2013）
[8] Gelman，A.：反对贝叶斯统计。贝叶斯分析。3(3), 445-449 (2008) ·Zbl 1330.62046号 ·doi:10.1214/08-BA318
[9] 格罗瑙，Q.F.，萨拉福格鲁，A.，马茨克，D.，Ly，A.，博姆，U.，马斯曼，M.，莱斯利，D.S.，福斯特，J.J.，瓦根马克，E.J.，斯坦格罗夫，H.：桥梁采样教程。数学杂志。精神病。81，80-97（2017）·Zbl 1402.62042号 ·doi:10.1016/j.jmp.2017.09.005
[10] Handley，W.，Hobson，M.，Lasenby，A.：POLYCHORD：下一代嵌套采样。周一。不是。R.阿斯顿。Soc.453（4），4384-4398（2015）·doi:10.1093/mnras/stv1911
[11] Jahn，S.、Beaujean，F.、Straub，D.:pypmc（2018）https://doi.org/10.5281/zenodo.1158068
[12] 麦凯博士：信息理论、推理和学习算法。剑桥大学出版社，剑桥（2003）·Zbl 1055.94001号
[13] Martino，L.、Elvira，V.、Camps-Valls，G.：粒子过滤和MCMC的组重要性抽样。数字。信号处理。82, 133-151 (2018) ·doi:10.1016/j.dsp.2018.07.007
[14] Neal，R.M.：退火重要性抽样。统计计算。11(2), 125-139 (2001) ·doi:10.1023/A:1008923215028
[15] Salvatier，J.、Wiecki，T.、Fonnesbeck，C.：使用PyMC3的Python概率编程。Peer J.计算。科学。2，e55（2016）·doi:10.7717/peerj-cs.55
[16] Simpson，D.、Rue，H.、Riebler，A.、Martins，T.G.、Sörbye，S.H.等人：惩罚模型组件复杂性：构建先验的原则性实用方法。统计科学。32(1), 1-28 (2017) ·Zbl 1442.62060号 ·doi:10.1214/16-STS576
[17] Skilling，J.：一般贝叶斯计算的嵌套抽样。贝叶斯分析。1(4), 833-860 (2006) ·Zbl 1332.62374号 ·doi:10.1214/06-BA127
[18] Süli，E.，Mayers，D.：数值分析简介。剑桥大学出版社，剑桥（2003）·Zbl 1033.65001号 ·doi:10.1017/CBO9780511801181
[19] Tokdar，S.T.，Kass，R.E.：重要性抽样：综述。威利公司（Wiley Interdiscip）。版次计算。《统计》第2（1）卷，第54-60页（2010年）·doi:10.1002/wics.56
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。