文献

J-GLOBAL ID：201802224528218605   整理番号：18A0934308

非Gauss誤差を伴うBayes多変量線形回帰のためのトレースクラスモンテカルロMarkov連鎖【JST・京大機械翻訳】

Trace-class Monte Carlo Markov chains for Bayesian multivariate linear regression with non-Gaussian errors

著者 (2件)： Qin Qian (Department of Statistics, University of Florida, United States) ,  Hobert James P. (Department of Statistics, University of Florida, United States)
資料名： Journal of Multivariate Analysis  (Journal of Multivariate Analysis)
巻： 166  ページ： 335-345  発行年： 2018年 
JST資料番号： D0675A  ISSN： 0047-259X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： πは,正規のスケール混合物からの誤差を有する多変量線形回帰モデルからの尤度が標準的な非有益な事前と結合されるとき,結果として得られる難治性後部密度を示す。πを調べるために用いることができる単純なデータ増強アルゴリズム(混合密度からの潜在的データに基づく)がある。hとdはそれぞれ混合密度と回帰モデルの次元を示す。Hobertら(2018)は最近,もしhが適切な速度で0に収束し,そして,∫0∞ud/2h(u)du<∞であるならば,データ増強(DA)アルゴリズムと代替Haarパラメータ拡張DA(PX-DA)アルゴリズムの基礎となるMarkov連鎖は両方とも幾何学的エルゴードであることを示した。それらの結果を,ドリフトと最小化条件に基づく確率論的手法を用いて確立した。本論文では,スペクトル解析技術を用いて,幾何学的エルゴード性よりもはるかに強いものがしばしば保持されることを確立した。特に,h上の簡単な条件下で,DAとHaar PX-DAマルコフ連鎖により定義されたMarkov演算子は,トレースクラス,すなわち,要約可能な固有値を有するコンパクトであることを示した。多くの標準混合密度は本論文で開発した条件を満足する。実際に,新しい結果は,DAとHaar PX-DAマルコフ演算子が,混合密度が一般化逆Gauss,対数正規,Frechet(d/2より大きい形状パラメータを持つ),または逆ガンマ(d/2より大きい形状パラメータを持つ)であることを意味する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 対数 ,  ドリフト ,  アルゴリズム ,  スペクトル解析 ,  *Markov連鎖 ,  固有値 ,  エルゴード性 ,  確率論 ,  回帰モデル
準シソーラス用語： 形状パラメータ ,  尤度 ,  *多変量線形回帰 , 【Automatic Indexing@JST】

著者キーワード (7件)： コンパクト演算子 ,  データ増強アルゴリズム ,  HAAR PX-DAアルゴリズム ,  重尾分布 ,  スケール混合物 ,  Markov演算子 ,  トレースクラス演算子

分類 (1件)： 統計学  (AB08000H)

タイトルに関連する用語 (3件)： 誤差 ,  多変量線形回帰 ,  Markov連鎖