×

使用数据克隆ABC进行近似最大似然估计。 (英语) Zbl 1466.62178号

摘要:提出了一种使用近似贝叶斯计算(ABC)方法的一般模型类的最大似然方法。ABC方法的典型目标是具有难以处理的可能性的模型,我们将ABC-MCMC采样器与所谓的“数据克隆”相结合,以进行最大似然估计。ABC方法的准确性依赖于使用一个小阈值来比较模型模拟和观测数据。该方法显示了如何使用较大的阈值,同时增加数据克隆的数量,以便于收敛到近似的最大似然估计。我们展示了如何利用该方法来减少标准ABC-MCMC算法的迭代次数,从而减少计算工作量,同时获得合理的点估计。仿真研究表明,我们的方法在具有难处理可能性的模型上具有良好的性能,例如(g)和(k)分布、随机微分方程和状态空间模型。

MSC公司:

62-08 统计学相关问题的计算方法
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 阿林厄姆,D。;金·R。;Mengersen,K.,分位数分布的贝叶斯估计,统计计算。,19, 2, 189-201, (2009)
[2] Andrieu,C。;Doucet,A。;Holenstein,R.,《粒子马尔可夫链蒙特卡罗方法》(带讨论),J.R.Stat.Soc.Ser。B Stat.Methodol,72,3,269-342,(2010年)
[3] Baghishani,H。;Mohammadzadeh,M.,空间广义线性混合模型中计算最大似然估计的数据克隆算法,计算。统计师。数据分析。,1748-1759年5月(2011年)·Zbl 1328.65020号
[4] Beaumont,M.,《进化与生态学中的近似贝叶斯计算》,年。经济评论。进化。系统。,41, 379-406, (2010)
[5] 博蒙特,M。;张伟。;Balding,D.,人口遗传学中的近似贝叶斯计算,遗传学,162,42025-2035,(2002)
[6] Beskos,A。;O.帕帕斯皮利奥普洛斯。;罗伯茨,G。;Fearnhead,P.,离散观测扩散过程的精确和计算效率似然估计(讨论),J.R.Stat.Soc.Ser。B统计方法。,68, 3, 333-382, (2006) ·Zbl 1100.62079号
[7] 布鲁姆,M。;Nunes,M。;Prangle,D。;Sisson,S.,《近似贝叶斯计算中降维方法的比较综述》,Statist。科学。,28, 2, 189-208, (2013) ·Zbl 1331.62123号
[8] O·卡佩。;Moulines,E。;Rydén,T.,隐马尔可夫模型中的推断,(2005),施普林格·Zbl 1080.62065号
[9] 迪特列夫森,S。;Samson,A.,《生物随机模型导论》(《随机生物数学模型》,(2013),Springer),第3-35页·Zbl 1390.92008年
[10] 唐纳,S。;Foulley,J。;Samson,A.,使用随机微分方程定义的混合模型对增长曲线进行贝叶斯分析,生物统计学,66,3,733-741,(2010)·Zbl 1203.62187号
[11] Doucet,A。;Godsill,S。;Robert,C.,《使用马尔可夫链蒙特卡罗的边际最大后验估计》,统计计算。,12, 77-84, (2002) ·Zbl 1247.62087号
[12] 费恩黑德,P。;Prangle,D.,《为近似贝叶斯计算构建摘要统计:半自动近似贝叶斯计算(带讨论)》,J.R.Stat.Soc.Ser。B统计方法。,74, 419-474, (2012)
[13] Fuchs,C.,《扩散过程的推断:在生命科学中的应用》(2013),Springer Science&Business Media·Zbl 1276.62051号
[14] Grazian,C。;Liseo,B.,《通过ABC方法的近似综合可能性》,《统计界面》,第8期,第161-171页,(2015年)·Zbl 1405.62029号
[15] Haario,H。;Saksman,E。;Tamminen,J.,《自适应大都会算法》,伯努利,7,2,(2001)·Zbl 0989.65004号
[16] 杰奎尔,E。;Johannes,M。;Polson,N.,MCMC潜在状态模型的最大可能性,《计量经济学杂志》,137615-640,(2007)·Zbl 1360.62086号
[17] Lele,S。;丹尼斯,B。;Lutscher,F.,数据克隆:使用贝叶斯马尔可夫链蒙特卡罗方法对复杂生态模型进行简单的最大似然估计,Ecol。莱特。,10, 551-563, (2007)
[18] 乐乐,S。;Nadeem,K。;Schmuland,B.,《使用数据克隆的广义线性混合模型的可估性和似然推断》,J.Amer。统计师。协会,105,492,(2010)·Zbl 1388.62220号
[19] Marin,J.M。;Pudlo,P。;罗伯特·C·P。;Ryder,R.,近似贝叶斯计算方法,统计计算。,2012年6月22日,1167-1180·Zbl 1252.62022号
[20] 马约拉姆,P。;莫里托,J。;Plagnol,V.公司。;Tavaré,S.,《无可能性的马尔可夫链蒙特卡罗》,Proc。国家。阿卡德。科学。,100, 26, 15324-15328, (2003)
[21] J.欧文。;威尔金森,D。;Gillespie,C.,《马尔可夫过程的无似然推理:比较》,Stat.Appl。遗传学。分子生物学。,14, 2, 189-209, (2015) ·Zbl 1311.60079号
[22] 皮奇尼,美国,2013年。abc-sde:一个MATLAB工具箱,用于随机微分方程模型中的近似贝叶斯计算。统一资源定位地址https://sourceforge.net/projects/abc-sde/。
[23] Picchini,U.,《通过近似贝叶斯计算推断SDE模型》,J.Compute。图表。统计学。,23, 4, 1080-1100, (2014)
[24] Prangle,D.,调整ABC距离函数,贝叶斯分析。,(2016),21页·Zbl 1384.62098号
[25] 普里查德,J。;塞尔斯塔德,M。;Perez-Lezaun,A。;Feldman,M.,《人类Y染色体的群体增长:Y染色体微卫星的研究》,分子生物学。演变。,16, 12, 1791-1798, (1999)
[26] 雷纳,G。;MacGillivray,H.,(g)和(k)分布以及广义(g)-和-(H)分布的数值最大似然估计,统计计算。,12, 1, 57-75, (2002) ·Zbl 1247.62069号
[27] Robert,C.,《事先反馈:最大似然估计的贝叶斯工具》,J.Compute。统计学。,8, 279-294, (1993) ·Zbl 0937.62027号
[28] 罗伯特,C。;Titterington,D.,隐马尔可夫模型的重新参数化策略和最大似然估计的贝叶斯方法,统计计算。,8, 145-158, (1998)
[29] Rubio,F。;Johansen,A.,最大难处理似然估计的简单方法,电子。J.Stat.,第7期,1632-1654页,(2013年)·Zbl 1327.62075号
[30] Sisson,S。;Fan,Y.,《马尔可夫链蒙特卡罗手册》,(2011),CRC出版社,(第章)无似然MCMC
[31] 塔瓦雷,S。;巴尔丁,D。;格里菲思,R。;Donnelly,P.,从DNA序列数据推断聚合时间,遗传学,145,2,505-518,(1997)
[32] Toni,T。;韦尔奇,D。;斯特雷尔科瓦,N。;艾普森。;Stumpf,M.P.H.,动力学系统中参数推断和模型选择的近似贝叶斯计算方案,J.R.Soc.Interface,6,31,187-202,(2009)
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。