×
奥斯利·皮尔·盖尔森;比吉尔·赫拉芬克尔森;丹尼尔·辛普森;希尔吉·西古尔达森

LGM分裂采样器：潜在高斯模型的有效MCMC采样方案。 （英语） Zbl 07292510号

统计科学。 35，第2期，218-233（2020年）.
摘要：本文提出了一类通用且灵活的潜在高斯模型。潜在高斯模型适用于位置、尺度和形状的广义加性模型（GAMLSS），即每个数据点的数据密度函数可以依赖于潜在参数的多个线性预测值。我们将此框架称为扩展的潜在高斯模型。最常用的潜在高斯模型（LGM）仅针对位置参数提出线性预测。扩展的LGM允许提出尺度参数和潜在其他参数的线性预测。我们提出了一种新的计算效率高的马尔可夫链蒙特卡罗采样方案，用于扩展的LGM，我们称之为LGM分裂采样器。这是一个两块吉布斯采样方案，旨在利用扩展LGM的模型结构。针对模拟数据集构造了一个扩展的LGM，并实现了LGM分裂采样器用于后验模拟。结果证明了扩展LGM框架的灵活性和LGM分裂取样器的效率。

引用于3文件

MSC公司：

62至XX 统计

关键词：

贝叶斯层次模型;吉布斯采样;潜在高斯模型;马尔科夫蒙特卡洛;后验模拟

软件：

法尔迈尔;GMRF库;GAMLSS公司
PDF格式BibTeX公司 XML格式引用
\textit{奥斯·P·盖尔森}等人，《统计科学》。35，第2号，218--233（2020；Zbl 07292510）
全文： 内政部 欧几里得

参考文献：

[1] Chilès，J.-P.和Delfiner，P.（2012）。《地理统计学：空间不确定性建模》，第二版，《概率统计中的威利系列》。新泽西州霍博肯威利·Zbl 1256.86007号
[2] Cooley，D.、Nychka，D.和Naveau，P.（2007年）。极端降水回归水平的贝叶斯空间建模。J.Amer。统计师。协会102 824-840·Zbl 1469.62389号 ·doi:10.1198/016214500000780
[3] Cressie，N.A.C.（1993年）。《空间数据统计学》，第二版，《概率与数理统计威利系列：应用概率与统计学》。纽约威利·Zbl 0799.62002号
[4] Crochet，P.（2012）。使用指数洪水程序估算未测量流域的洪水频率分布。适用于冰岛北部的十个集水区。冰岛气象局第Ví2012-005号技术报告。
[5] Crochet，P.、Jóhannesson，T.、Jönsson，T.，Sigurðsson，O.、Björnsson，H.、Pálsson，F.和Barstad，I.（2007年）。使用地形降水线性模型估算冰岛降水的空间分布。J.水文气象。8 1285-1306.
[6] Cunnane，C.和Nash，J.E.（1971）。水文事件频率的贝叶斯估计。程序。华沙交响乐团。数学。水文模型。1 47-55.
[7] 澳大利亚达维森。B.（2015）。使用月最大值进行贝叶斯洪水频率分析。冰岛大学硕士论文。
[8] Davison，A.C.、Padoan，S.A.和Ribatet，M.（2012年）。空间极值的统计建模。统计师。科学。27 161-186. ·Zbl 1330.86021号 ·doi:10.1214/11-STS376
[9] Diggle，P.J.、Tawn，J.A.和Moyeed，R.A.（1998年）。基于模型的地质统计学。J.R.统计社会服务。C.申请。统计数字47 299-350·Zbl 0904.62119号 ·数字对象标识代码：10.1111/1467-9876.00113
[10] Fahrmeir，L.和Tutz，G.（1994年）。基于广义线性模型的多元统计建模。统计学中的斯普林格系列。纽约州施普林格·Zbl 0809.62064号
[11] Ferkingstad，E.、Frigessi，A.、Rue，H.、Thorleifsson，G.和Kong，A.（2008）。外部协变量的无监督经验贝叶斯多重检验。附录申请。统计数字2 714-735·Zbl 1400.62258号 ·doi:10.1214/08-AOAS158
[12] Filippone，M.、Zhong，M.和Girolma，M.（2013）。高斯过程模型随机推理方法的比较评估。机器。学习。93 93-114. ·Zbl 1294.62048号 ·doi:10.1007/s10994-013-5388-x
[13] 奥斯汀·盖尔森。P.、Hrafnkelsson，B.和Simpson，D.（2015）。精细网格上年度最大24小时降水量的高效计算空间建模。环境计量学26 339-353。
[14] 奥斯汀·盖尔森。P.、Hrafnkelsson，B.、Simpson，D.和Sigurdarson，H.（2020年）。补充“LGM分裂采样器：潜在高斯模型的有效MCMC采样方案”https://doi.org/10.1214/19-STS727SUPP。
[15] Girolma，M.和Calderhead，B.（2011年）。黎曼流形朗之万和哈密顿蒙特卡罗方法。J.R.统计社会服务。B.统计方法。73 123-214. ·Zbl 1411.62071号 ·文件编号：10.1111/j.1467-9868.2010.00765.x
[16] 格雷斯（1996）。介绍和回顾了一些区域洪水频率分析方法。J.水文学。186 63-84.
[17] Guttorp，P.和Gneiting，T.（2006）。概率统计史研究。四十九、。关于Matérn相关家族。生物特征93 989-995·Zbl 1436.62013年 ·doi:10.1093/biomet/93.4.989
[18] Hrafnkelsson，B.、Morris，J.S.和Balanddayuthapani，V.（2012）。冰岛年最低和最高温度的空间建模。美托洛尔。大气。物理学。116 43-61.
[19] Klein，N.、Kneib，T.、Lang，S.等人（2013年）。贝叶斯结构加性分布回归。第2013-23号技术报告，因斯布鲁克大学公共财政系·Zbl 1454.62486号 ·doi:10.1214/16-AOAS922
[20] Klein，N.、Kneib，T.、Klasen，S.和Lang，S.（2015）。多元响应的贝叶斯结构加性分布回归。J.R.统计社会服务。C.申请。《美国联邦法律大全》第64卷第569-591页·doi:10.1111/rssc.12090
[21] Kneib，T.（2013）。超越平均回归。统计模型。13 275-303. ·Zbl 07257458号
[22] Knorr-Held，L.和Rue，H.（2002）。疾病映射马尔可夫随机场模型中的块更新。扫描。《美国法律总汇》第29卷第597-614页·Zbl 1039.62092号 ·doi:10.1111/1467-9469.00308
[23] Lawson，A.B.（2013）。贝叶斯疾病映射：空间流行病学的层次建模。跨学科统计。佛罗里达州博卡拉顿CRC出版社·兹比尔1266.62091
[24] Lindgren，F.、Rue，H.和Lindström，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.统计社会服务。B.统计方法。73 423-498. ·Zbl 1274.62360号 ·文件编号：10.1111/j.1467-9868.2011.00777.x
[25] Martino，S.、Aas，K.、Lindqvist，O.、Neef，L.R.和Rue，H.（2011年）。使用集成嵌套拉普拉斯近似估计随机波动率模型。《欧洲财务杂志》17 487-503。
[26] Martins，T.G.、Simpson，D.、Lindgren，F.和Rue，H.（2013a）。使用INLA的贝叶斯计算：新特性。计算。统计师。数据分析。67 68-83. ·Zbl 1471.62135号 ·doi:10.1016/j.csda.2013.04.014
[27] Martins，T.G.、Simpson，D.、Illian，J.B.、Rue，H.和Geirsson，O。P.（2013年b）。关于“超越均值回归”的讨论[MR3179527]。统计模型。13 355-361.
[28] Neal，R.M.（1993）。使用马尔可夫链蒙特卡罗方法进行概率推断。多伦多大学计算机科学系CRG-TR-93-1号技术报告。
[29] Pettitt，A.N.、Weir，I.S.和Hart，A.G.（2002年）。不规则间隔多变量数据的条件自回归高斯过程，应用于建模大型二进制数据集。统计计算。12 353-367.
[30] Rigby，R.A.和Stasinopoulos，D.M.（2005）。位置、规模和形状的广义加性模型。J.R.统计社会服务。C.申请。统计54 507-554·Zbl 1490.62201号 ·doi:10.1111/j.1467-9876.2005.00510.x
[31] Roberts，G.O.、Gelman，A.和Gilks，W.R.（1997）。随机行走Metropolis算法的弱收敛性和最优尺度。附录申请。普罗巴伯。7 110-120. ·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254
[32] Roberts，G.O.和Rosenthal，J.S.（1998年）。朗之万扩散离散近似的最佳缩放。J.R.统计社会服务。B.统计方法。60 255-268. ·兹比尔0913.60060 ·doi:10.1111/1467-9868.00123
[33] Rue，H.和Held，L.（2005）。高斯马尔可夫随机场：理论与应用。统计学和应用概率专著104。佛罗里达州博卡拉顿CRC出版社/CRC·邮编1093.60003
[34] Rue，H.、Martino，S.和Chopin，N.（2009年）。利用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断。J.R.统计社会服务。B.统计方法。71 319-392. ·Zbl 1248.62156号 ·doi:10.1111/j.1467-9868.2008.00700.x
[35] Rue，H.，Riebler，A.，Sörbye，。S.H.、Illian、J.B.、Simpson、D.P.和Lindgren，F.K.（2017年）。基于INLA的贝叶斯计算：综述。年度修订统计申请。4 395-421.
[36] Schaefli，B.、Talamba，D.B.和Musy，A.（2007年）。通过混合正态分布量化水文建模误差。J.水文学。332 303-315.
[37] 张，H·Zbl 1089.62538号 ·doi:10.1198/016214500000241
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。