文献

J-GLOBAL ID：202102227664750077   整理番号：21A2988905

線形不等式制約を持つ一般化線形モデルのためのBayes推定【JST・京大機械翻訳】

Bayesian inference for generalized linear model with linear inequality constraints

著者 (2件)： Ghosal Rahul (Department of Biostatistics, Johns Hopkins University, USA) ,  Ghosh Sujit K. (Department of Statistics, North Carolina State University, Raleigh, NC, USA)
資料名： Computational Statistics & Data Analysis  (Computational Statistics & Data Analysis)
巻： 166  ページ： Null  発行年： 2022年 
JST資料番号： H0911A  ISSN： 0167-9473  CODEN： CSDADW  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： 制約された空間に横たわるパラメータを有する一般化線形モデル(GLM)のためのBayes統計的推論は,一般的興味(例えば単調または凸回帰)であるが,しばしば,線形不等式制約の集合によってスパンされた部分空間にサポートされた有効な事前分布を構築することは,特に,制約のいくつかが低次元部分空間に導く結合である場合,挑戦的である。正準リンクを有する一般的ケースに対して,所望の部分空間に支持された一般化された短縮型多変量正規が使用できることを示した。さらに,そのような事前分布は,対応する事後分布から(近似)サンプルを得るための一般的目的製品スライスサンプリング法の構築を促進し,線形不等式制約の任意の集合を有する広範囲のGLMに対して計算的に効率的になることを示した。提案した製品スライスサンプラは,多くのポピュラーなGLM(例えば,制約された係数によるロジスティックおよびポアソン回帰)によって満足される一連の穏やかな規則性条件の下で,幾何学的収束速度を有する均一エルゴードであることを示した。古典的手法に対する提案したBayes推定法の主な利点の一つは,パラメータ推定の不確実性がスライスサンプラのMarkov連鎖の経路からシミュレートしたサンプルを用いて容易に定量化できることである。サンプリングバイアスと分散に関して,いくつかの既存の方法と比較して,提案した方法の優位性を例証するために,シミュレーションデータセットを用いた数値例を示した。さらに,実際の事例研究を,肥料-作物生産のためのデータセットと原子力発電所におけるSCRAM速度の推定を用いて提示した。Copyright 2021 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： シミュレーション ,  計算機シミュレーション ,  不確実性 ,  スパン ,  *Bayes推定 ,  Markov連鎖 ,  近似法 ,  規則度 ,  パラメータ推定 ,  事例研究 ,  原子力発電所
準シソーラス用語： 収束速度 ,  部分空間 ,  Bayes統計 ,  事後分布 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： Bayes推論 ,  一般化線形モデル ,  不等式制約付き推定

分類 (3件)： 統計学  (AB08000H) ,  自動車事故,交通安全  (TB01050G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 線形 ,  等式制約 ,  一般化線形モデル ,  Bayes推定