×
曹、宣;张少军

基于置换的贝叶斯方法用于协方差逆估计。 （英语） Zbl 1511.62111号

Commun公司。统计、理论方法 49，第14号，3557-3571（2020）.
摘要：多维数据集的协方差估计和选择是现代统计学中的一个基本问题。高斯图形模型是用于此目的的一类常用模型。在高斯图形模型下，当前用于协方差矩阵逆估计的贝叶斯方法需要知道基础图，因此需要知道变量的顺序。然而，在实践中，关于真正底层模型的此类信息通常是不可用的。因此，我们提出了一种新的基于排列的贝叶斯方法来解决未知变量排序问题。特别地，我们利用DAG-Wishart先验下的多个最大后验估计对每个置换进行估计，然后构造逆协方差矩阵的最终估计。我们在温和的假设下建立了后验收敛速度，并通过仿真研究证明了我们的方法在估计逆协方差矩阵方面优于现有方法。

引用于1文件

MSC公司：

62甲12 多元分析中的估计
2012年12月62日 参数估计量的渐近性质
2015年1月62日 贝叶斯推断

关键词：

高斯图形模型;逆协方差矩阵;后验收敛率;高维分析
PDF格式BibTeX公司 XML格式引用
\textit{X.Cao}和\textit{S.Zhang}，Commun。Stat.，理论方法49，No.14，3557--3571（2020；Zbl 1511.62111）
全文： 内政部 arXiv公司

参考文献：

[1] 班纳吉，S。；Ghosal，S.，《使用图形模型估计大精度矩阵的后验收敛率》，《电子统计杂志》，8，2，2111-37（2014）·Zbl 1302.62124号 ·doi:10.1214/14-EJS945
[2] 班纳吉，S。；Ghosal，S.，图形模型中的贝叶斯结构学习，多元分析杂志，136，147-62（2015）·Zbl 1308.62119号 ·doi:10.1016/j.jmva.2015.01.015
[3] Ben-David，E。；李·T。；马萨姆，H。；拉贾拉特南，B.，高斯有向非循环图模型的高维贝叶斯推断，技术报告（2016）
[4] Bickel，P.J。；Levina，E.，大型协方差矩阵的正则化估计，《统计年鉴》，36，1，199-227（2008）·Zbl 1132.62040号 ·doi:10.1214/009053607000000758
[5] Bickel，P.J。；Levina，E.，通过阈值进行协方差正则化，《统计年鉴》，36，6，2577-604（2008）·兹比尔1196.62062 ·doi:10.1214/08-AOS600
[6] 曹，X。；Khare，K。；Ghosh，M.，高维贝叶斯DAG模型的后验图选择和估计一致性，《统计年鉴》，47，1，319-48（2019）·Zbl 1417.62140号 ·doi:10.1214/18-AOS1689
[7] Chang，C。；Tsay，R.S.，使用套索通过稀疏Cholesky因子估计协方差矩阵，《统计规划与推断杂志》，140，12，3858-73（2010）·Zbl 1233.62118号 ·doi:10.1016/j.jspi.2010.04.048
[8] El Karoui，N.，使用随机矩阵理论对大维协方差矩阵进行谱估计，《统计年鉴》，36，6，2757-90（2008）·Zbl 1168.62052号 ·doi:10.1214/07-AOS581
[9] Kalisch，M。；Bühlmann，P.，用pc-算法估计高维有向非循环图，机器学习研究杂志，8，：613-36（2007）·兹比尔1222.68229
[10] 康，X。；Deng，X.，用于协方差矩阵逆估计的改进的Cholesky分解方法，arXiv，1710，05163（2017）
[11] 哈雷，K。；哦，S。；拉赫曼，S。；Rajaratnam，B.，高斯dag模型中基于高维稀疏cholesky协方差估计的凸框架，预印本，佛罗里达大学统计系（2017）
[12] Pourahmadi，M.，协方差矩阵的Cholesky分解和估计：方差相关参数的正交性，生物统计学，94，4，1006-13（2007）·Zbl 1156.62043号 ·doi:10.1093/biomet/asm073
[13] Rtimann，P。；Bühlmann，P.，通过有向非循环图进行高维稀疏协方差估计，《电子统计杂志》，31133-60（2009）·Zbl 1326.62124号
[14] Shojaie，A。；Michailidis，G.，估计稀疏高维有向非循环图的惩罚似然方法，Biometrika，97，3，519-38（2010）·Zbl 1195.62090号 ·doi:10.1093/biomet/asq038
[15] van de Geer，S。；Bühlmann，P.，\（####）-稀疏有向无环图的惩罚最大似然，统计年鉴，41，2，536-67（2013）·Zbl 1267.62037号
[16] Xiang，R。；Khare，K。；Ghosh，M.，可分解图形模型的高维后验收敛率，《电子统计杂志》，9，2，2828-54（2015）·Zbl 1329.62152号 ·doi:10.1214/15-EJS1084
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。