×

贝叶斯估计的自我形成极限和广义最大似然。 (英语) Zbl 1095.62030号

摘要:给出了自信息贝叶斯载波或极限的定义,描述了非参数和半参数模型中的非信息贝叶s估计方法。它将后w.r.t.a先验作为新的先验,并一次又一次地重复这个过程。本文的主要目的是阐明自信息载体或极限与最大似然估计(MLE)之间的关系。对于具有支配概率分布的模型,我们给出了MLE集是自信息载体的充分条件,或者在唯一MLE的情况下,给出了其自信息极限性质。涵盖了混合物模型。将关于载流子的结果推广到更一般的模型,而不需要支配测度。
在估计的情况下,基于截尾观测的危险函数的自信息极限,以及在具有可能不可识别参数的正态线性模型的情况下,被证明与广义MLE在R.D.吉尔[非参数和半参数最大似然估计量以及von Mises方法。I.Scand.J.Stat.16,No.2,97–128(1989;Zbl 0688.62026号)]和J.基弗J.沃尔福威茨[无穷多附带参数存在时最大似然估计量的一致性。Ann.Math.Stat.27,887–906(1956;Zbl 0073.14701号)]. 给出了半参数线性模型的自形成极限。对于位置模型,它们与广义MLE相同,但一般情况下并非如此。

理学硕士:

2015年1月62日 贝叶斯推断
10层62层 点估计
62号02 生存分析和删失数据中的估计
62G05型 非参数估计
62N01号 审查数据模型
62G08号 非参数回归和分位数回归
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Lindley D.,《皇家统计学会杂志》,B辑34第1页–(1972年)
[2] Efron B.,《皇家统计学会杂志》,B辑35,第379页–(1973)
[3] Hartigan J.,Springer Series in Statistics第145页–(1983)
[4] Box,G.E.和Tiao,G.C.1992。统计分析中的贝叶斯推断,606纽约,NY:Wiley。威利经典图书馆·Zbl 0850.62004号
[5] 邦克,O.2002。”多元半参数线性模型中的Bayes估计”。柏林:洪堡大学。讨论文件58,Sonderforschungsbereich 373
[6] Bunke H.,《Chung和Statistik的数学运算》,第7页,665页–(1976年)
[7] Kiefer J.,《数理统计年鉴》第27页第887页——(1956年)·Zbl 0073.14701号 ·doi:10.1214/aoms/1177728066
[8] Bernardo J.M.,《概率统计威利级数》第586页–(1994)
[9] 哈恩·H·阿尔伯克基第324页–(1948)
[10] Humak,K.,1977。Modellbildung Band I的统计方法。统计Inferenz für lineare参数,516 SBerlin:Akademie-Verlag。《Lehrbücher und Monographien数学》。二、。Abt.Band 43,第十六章·Zbl 0353.62001号
[11] Hjort N.L.,《统计年鉴》,第18页,第1259页–(1990年)·Zbl 0711.62033号 ·doi:10.1214/aos/1176347749
[12] Gill R.D.,《斯堪的纳维亚统计杂志》,第16页,第97页–(1989年)
[13] Johannes,J.2002年。”Verallgemeinerte Maximum-Likelihood-Methoden und der selbst informative Grenzwert”。柏林:洪堡大学。博士论文·Zbl 1189.62094号
[14] Grenander U.,《概率和数理统计中的威利级数》第526页–(1981)
[15] Billingsley,P.1968,《概率测度的收敛》,253,纽约-朗登-悉尼-多伦多:John Wiley and Sons,Inc.第十二章·Zbl 0172.21201号
[16] Bunke O.,《统计年鉴》,第26页,第617页–(1998年)·Zbl 0929.62022号 ·doi:10.1214/aos/1028144851
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。