梅耶特里·古普塔;约瑟夫·易卜拉欣。 具有高维数据的广义线性模型中贝叶斯分析的先验信息矩阵。 (英语) Zbl 1191.62043号 统计正弦。 19,第4期,1641-1663(2009). 小结:在回归环境中分析高维数据的一个重要挑战是面临模型中协变量的数量大大超过样本大小的情况(有时称为“(p>n)”问题)。我们为高维广义线性模型的一类一般先验分布(称为信息矩阵(IM)先验)开发了一种新的规范。先为其中的设置开发先验,然后通过在先验构造中定义脊参数将其扩展到(p>n)情况,从而得到信息矩阵脊(IMR)先验。IM和IMR先验是基于A.泽尔纳《贝叶斯经济统计研究》第6卷第233-243页(1986年;Zbl 0655.62071号)]对于高斯线性模型。推导了先验和隐含后验的各种理论性质,包括先验和后验矩生成函数的存在性、尾部行为以及与高斯先验和Jeffreys先验的联系。一些模拟研究和核小体定位数据集的应用表明,在高维环境中,它比高斯和g-priors更具优势。 引用于12文件 MSC公司: 2015年1月62日 贝叶斯推断 62J12型 广义线性模型(逻辑模型) 65C60个 统计中的计算问题(MSC2010) 关键词:Fisher信息;g-优先;重要性抽样;模型可识别性;先验启发;核小体定位数据 引文:Zbl 0655.62071号 PDF格式BibTeX公司 XML格式引用 \textit{M.古普塔}和\textit{J.G.易卜拉欣},Stat.Sin。19,第4号,1641--1663(2009;Zbl 1191.62043) 全文: 链接