×
大卫·J·诺特。;王雪欧;迈克尔·埃文斯;伯托尔德·格奥尔格·恩格尔

使用前后差异检查前数据冲突。 （英语） 兹比尔07292511

统计科学。 35，第2期，234-253（2020年）.
摘要：当使用复杂贝叶斯模型组合信息时，检查模型不同组件所提供信息的一致性以进行推断是一种良好的统计实践。本文提出了一种新的检测贝叶斯模型中先验数据冲突的方法，该方法通过比较数据的先验预测分布下前后验散度的观测值与其分布。我们在模型检验中使用的散度度量是对信念从之前到之后发生了多少变化的度量，可以认为是对相对信念函数总体大小的度量。结果表明，该方法直观，具有理想的性质，可以推广到分层设置，并且与Jeffreys先验分布和参考先验分布渐近相关。在计算困难的情况下，建议使用变分近似来减轻计算负担。在许多示例中，将这些方法与文献中基于最小充分统计量的先验预测分布的替代但密切相关的方法进行了比较。

引用于9文件

MSC公司：

62至XX 统计

关键词：

贝叶斯推断;模型检查;先前数据冲突;变分贝叶斯;贝叶斯推断

软件：

斯坦;ADVI公司
PDF格式BibTeX公司 XML格式引用
\textit{D.J.Nott}等人，《统计科学》。35，第2号，234--253（2020；Zbl 07292511）
全文： DOI程序 arXiv公司 欧几里得

参考文献：

[1] Al Labadi，L.和Evans，M.（2017年）。相对信念推理和与先验数据冲突的关系的最佳鲁棒性结果。贝叶斯分析。12 705-728. ·Zbl 1384.62076号 ·doi:10.1214/16-BA1024
[2] Albert，J.（2009）。贝叶斯计算与R，第二版。使用R！多德雷赫特·施普林格·Zbl 1165.62022号
[3] Andrade，J.A.和O’Hagan，A.（2006年）。使用规则变化分布的贝叶斯稳健建模。贝叶斯分析。1 169-188. ·Zbl 1331.62175号 ·doi:10.1214/06-BA106
[4] Attias，H.（1999）。用变分贝叶斯推断潜在变量模型的参数和结构。《第15届人工智能不确定性会议论文集》（K.Laskey和H.Prade编辑）21-30。Morgan Kaufmann，加利福尼亚州旧金山。
[5] Baskurt，Z.和Evans，M.（2013）。贝叶斯因子和相对信度比的假设评估和不等式。贝叶斯分析。8 569-590. ·Zbl 1329.62115号 ·doi:10.1214/13-BA824
[6] Bayarri，M.J.和Berger，J.O.（2000年）\复合空模型的（p\）值。J.Amer。统计师。协会95 1127-1142，1157-1170·Zbl 1004.62022号
[7] Bayarri，M.J.和Castellanos，M.E.（2007年）。第二层次模型的贝叶斯检验。统计师。科学。22 322-343. ·兹比尔1246.62029 ·doi:10.1214/07-STS235
[8] Berger，J.O.、Bernardo，J.M.和Sun，D.（2009年）。参考文献的正式定义。安。统计师。37 905-938. ·Zbl 1162.62013年 ·doi:10.1214/07-AOS587
[9] Bousquet，N.（2008）。应用贝叶斯分析中的先验数据一致性诊断。J.应用。统计数字35 1011-1029·Zbl 1474.62078号 ·doi:10.1080/02664760802192981
[10] Box，G.E.P.（1980）。科学建模和稳健性中的抽样和贝叶斯推断（附讨论）。J.罗伊。统计师。Soc.系列。A 143 383-430·Zbl 0471.62036号 ·doi:10.2307/2982063
[11] Carota，C.、Parmigiani，G.和Polson，N.G.（1996年）。模型批评的诊断措施。J.Amer。统计师。协会91 753-762·Zbl 0868.62012年 ·doi:10.1080/01621459.1996.10476943
[12] Carpenter，B.、Gelman，A.、Hoffman，M.、Lee，D.、Goodrich，B.、Betancourt，M.和Brubaker，M.，Guo，J.、Li，P.等人（2017年）。斯坦：一种概率编程语言。J.统计软件。76 1-32。
[13] Cox，D.R.和Hinkley，D.V.（1974年）。理论统计。CRC出版社，伦敦·Zbl 0334.62003号
[14] Dahl，F.A.、Gásemyr，J.和Natvig，B.（2007年）。贝叶斯层次模型中不一致性的稳健冲突度量。扫描。《美国联邦法律大全》第34卷第816-828页·Zbl 1157.62011年
[15] Dey，D.K.、Gelfand，A.E.、Swartz，T.B.和Vlachos，P.K.（1998年）。用于检查分层模型的模拟密集型方法。测试7 325-346·Zbl 0935.62082号 ·doi:10.1007/BF02565116
[16] Evans，M.（2015）。使用相对信念测量统计证据。统计学和应用概率专著144。佛罗里达州博卡拉顿CRC出版社。
[17] Evans，M.和Jang，G.H.（2010年）。不变量\（P\）-用于模型检查的值。安。统计师。38 512-525. ·Zbl 1181.62030号 ·doi:10.1214/09-AOS727
[18] Evans，M.和Jang，G.H.（2011年a）。用于检查先验数据冲突的先验预测的极限结果。统计师。普罗巴伯。莱特。81 1034-1038. ·Zbl 1218.62013号 ·doi:10.1016/j.spl.2011.02.025
[19] Evans，M.和Jang，G.H.（2011年b）。弱信息性和先验信息相对于另一先验信息。统计师。科学。26 423-439. ·Zbl 1246.62007年 ·doi:10.1214/11-TS357
[20] Evans，M.和Moshonov，H.（2006年）。正在检查前数据冲突。贝叶斯分析。1 893-914. ·Zbl 1331.62030号 ·doi:10.1214/06-BA129
[21] Gásemyr，J.和Natvig，B.（2009年）。贝叶斯层次模型中不一致性的冲突度量的扩展。扫描。《美国联邦法律大全》第36卷第822-838页·Zbl 1222.62037号 ·文件编号：10.1111/j.1467-9469.2009.00659.x
[22] Gelman，A.（2006年）。层次模型中方差参数的先验分布（Browne和Draper的文章评论）。贝叶斯分析。1 515-533. ·Zbl 1331.62139号 ·doi:10.1214/06-BA117A
[23] Gelman，A.、Meng，X.-L.和Stern，H.（1996）。通过实现差异对模型适合性进行后验预测评估。统计师。中国6 733-807·Zbl 0859.62028号
[24] Gelman，A.和Shalizi，C.R.（2013）。贝叶斯统计学的哲学和实践。英国数学杂志。Stat.Psychol公司。66 8-38. ·Zbl 1410.62009年 ·doi:10.1111/j.2044-8317.2011.02037.x
[25] Gershman，S.、Hoffman，M.D.和Blei，D.M.（2012）。非参数变分推理。第29届机器学习国际会议论文集，ICML 2012。
[26] Ghosh，M.（2011）。客观先验知识：对常客的介绍。统计师。科学。26 187-202. ·Zbl 1246.62045号 ·doi:10.1214/10-STS338
[27] Ghosh，J.K.、Delampady，M.和Samanta，T.（2006年）。贝叶斯分析导论：理论和方法。统计中的斯普林格文本。纽约州施普林格·Zbl 1135.6202号
[28] Gil，M.、Alajaji，F.和Linder，T.（2013）。常用的单变量连续分布的Rényi散度测度。通知。科学。249 124-131. ·Zbl 1384.62017年 ·doi:10.1016/j.ins.2013.06.018
[29] Guttman，I.（1967年）。未来观察概念在优秀问题中的应用。J.罗伊。统计师。Soc.系列。B 29 83-100·Zbl 0158.37305号 ·doi:10.1111/j.2517-6161.1967.tb00676.x
[30] Hershey，J.R.和Olsen，P.A.（2007年）。近似高斯混合模型之间的Kullback-Leibler散度。2007年IEEE声学、语音和信号处理国际会议-ICSSP’07 4 IV-317-IV-320。
[31] Hjort，N.L.、Dahl，F.A.和Steinback，G.H.（2006）。处理后的后验预测值。J.Amer。统计师。协会101 1157-1174·Zbl 1120.62307号 ·doi:10.1198/016214500500001393
[32] Jaynes，E.T.（1976年）。置信区间与贝叶斯区间（1976）。《概率论基础、统计推断和科学统计理论》，第二卷175-257。多德雷赫特·雷德尔·兹比尔0317.62025
[33] Johnson，R.A.（1970年）。与后部分布相关的渐进性扩张。安。数学。统计数字41 851-864·Zbl 0204.53002号 ·doi:10.1214/aoms/1177696963
[34] Jordan，M.I.、Ghahramani，Z.、Jaakkola，T.S.和Saul，L.K.（1999）。介绍图形模型的变分方法。机器。学习。37 183-233. ·Zbl 0945.68164号 ·doi:10.1023/A:1007665907178
[35] Kucukelbir，A.、Tran，D.、Ranganath，R.、Gelman，A.和Blei，D.M.（2017年）。自动微分变分推理。J.马赫。学习。决议18 14·Zbl 1437.62109号
[36] Li，X.，Shang，J.，Ng，H.K.和Englert，B.-G.（2016）。量子态性质的最佳误差间隔。物理学。修订版A 94 062112。
[37] Liese，F.和Vajda，I.（1987）。凸统计距离。Teubner-Texte zur Mathematik[数学中的Teubner文本]95。莱比锡BSB B.G.Teubner Verlagsgesellschaft。配有德语、法语和俄语摘要·Zbl 0656.62004号
[38] Marshall，E.C.和Spiegelhalter，D.J.（2007）。识别贝叶斯层次模型中的异常值：一种基于模拟的方法。贝叶斯分析。2 409-444. ·Zbl 1331.62032号 ·doi:10.1214/07-BA218
[39] O'Hagan，A.（2003年）。HSSS模型批评。在高结构随机系统中。牛津统计局。科学。序列号。27 423-453. 牛津大学出版社，牛津·Zbl 1044.62110号
[40] Presanis，A.M.、Ohlssen，D.、Spiegelhalter，D.J.和De Angelis，D.（2013）。有向无环图中的冲突诊断，及其在贝叶斯证据合成中的应用。统计师。科学。28 376-397. ·Zbl 1331.62160号 ·doi:10.1214/13-STS426
[41] Reimherr，M.、Meng，X.-L.和Nicolae，D.L.（2014）。成为一名知情的贝叶斯主义者：评估先验信息量和先验似然冲突。可从arXiv:1406.5958获取。
[42] Rényi，A.（1961年）。关于熵和信息的度量。程序中。第四届伯克利交响乐团。数学。统计师。和探针。，第一卷547-561。加利福尼亚大学出版社，加利福尼亚州伯克利·Zbl 0106.33001号
[43] Robins，J.M.、van der Vaart，A.和Ventura，V.（2000）。复合零模型中p值的渐近分布。J.Amer。统计师。协会95 1143-1167，1171-1172·Zbl 1072.62522号
[44] Rohde，D.和Wand，M.P.（2016年）。半参数平均场变分贝叶斯：一般原理和数值问题。J.马赫。学习。第17 172号决议·Zbl 1392.62075号
[45] Rubin，D.B.（1984）。应用统计学家的贝叶斯合理和相关频率计算。安。统计师。12 1151-1172. ·Zbl 0555.62010号 ·doi:10.1214/aos/1176346785
[46] Salimans，T.和Knowles，D.A.（2013年）。通过随机线性回归进行固定形式变分后验近似。贝叶斯分析。8 837-881. ·Zbl 1329.62142号 ·doi:10.1214/13-BA858
[47] Scheel，I.、Green，P.J.和Rougier，J.C.（2011年）。用于识别贝叶斯层次模型中有影响的模型选择的图形诊断。扫描。《美国联邦法律大全》第38卷第529-550页·Zbl 1246.62064号
[48] Spiegelhalter，D.J.、Aylin，P.、Best，N.G.、Evans，S.J.W.和Murray，G.D.（2002）。使用常规数据对手术效果进行委托分析：布里斯托尔调查的教训。J.罗伊。统计师。Soc.系列。甲165 191-231。
[49] Tan，L.S.L.和Nott，D.J.（2014）。用于拟合和诊断广义线性混合模型的随机变分框架。贝叶斯分析。9 963-1004. ·Zbl 1327.62167号 ·doi:10.1214/14-BA885
[50] J.温·Zbl 1222.68332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。