文献

J-GLOBAL ID：201802230385486063   整理番号：18A1609258

非Gauss誤差によるBayes多変量線形回帰のためのmcmCアルゴリズムの収束解析【JST・京大機械翻訳】

Convergence Analysis of MCMC Algorithms for Bayesian Multivariate Linear Regression with Non-Gaussian Errors

著者 (4件)： Hobert James P. (Department of Statistics, University of Florida) ,  Jung Yeun Ji (Model Risk Management, Citigroup (New York)) ,  Khare Kshitij (Department of Statistics, University of Florida) ,  Qin Qian (Department of Statistics, University of Florida)
資料名： Scandinavian Journal of Statistics  (Scandinavian Journal of Statistics)
巻： 45  号： 3  ページ： 513-533  発行年： 2018年 
JST資料番号： W1720A  ISSN： 0303-6898  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Gauss誤差が多変量線形回帰設定において不適切であるとき,誤差が多変量正規のスケール混合物である分布からのものであるとしばしば仮定される。このロバスト回帰モデルを未知のパラメータに先立つデフォルトと組み合わせることにより,高度に難治性の後部密度が得られる。幸いにも,単純なデータ増強(DA)アルゴリズムと,この後部を調査するために使用できる対応するHaar PX-DAアルゴリズムがある。本論文は,これらのMarkov連鎖モンテカルロアルゴリズムの基礎となるMarkov連鎖の幾何学的エルゴード性のための条件(混合密度に関する)を提供した。dは応答の次元を示す。主な結果は,DAとHaar PX-DAマルコフ連鎖は,混合密度が一般化逆Gauss,対数正規,反転ガンマ(d/2より大きい形状パラメータをもつ)またはFrechet(d/2より大きい形状パラメータをもつ)であることを示した。結果はガンマ,FおよびWeibull族のあるサブセットにも適用した。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 部分集合 ,  対数 ,  幾何学 ,  モンテカルロ法 ,  *アルゴリズム ,  Markov連鎖 ,  エルゴード性
準シソーラス用語： A*アルゴリズム ,  形状パラメータ ,  *多変量 ,  収束解析 ,  多変量線形回帰 , 【Automatic Indexing@JST】

著者キーワード (7件)： データ増強アルゴリズム ,  ドリフト条件 ,  幾何エルゴード性 ,  HAAR PX-DAアルゴリズム ,  重尾分布 ,  最小化条件 ,  スケール混合物

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 誤差 ,  多変量線形回帰 ,  MCMC ,  アルゴリズム ,  収束解析