Generalized mutual information and their reference priors under Csizar f-divergence
本文揭示了参考先验理论与全局敏感性分析的类比,基于 f-散度提出广义互信息并构建广义参考先验框架,证明其极限简化了先验定义,且无约束时 Jeffreys 先验最大化广义互信息。
2024-04-25 math.ST stat.TH
The formal definition of reference priors
参考分析产生客观的贝叶斯推理,在这个意义上,推理陈述只依赖于假设的模型和可用的数据,并且用于进行推理的先验分布在一定的信息理论意义上是信息量最少的。参考先验已经在特定的上下文中被严格地定义,并且在一般情况下被详细地定义,但是一直缺乏严格的一般定义。我们在这里产生一个严格的一般定义,然后显示如何在非常弱的正则性条件下获得一个明确的表达式的参考先验。显式表达式可以用来推导新的参考先验解析和数值。
2009-04-01 math.ST stat.TH
Reference priors for high energy physics
高能物理学中的贝叶斯推断通常使用均匀的先验分布用于在收集数据之前很少或没有信息可用的参数。因此,所得到的后验分布对问题的参数化选择很敏感,如果不仔细考虑这种选择,甚至可能是不适当的。在这里,我们描述了一种经过广泛测试的方法,称为参考分析,它允许构建参数化不变的先验,这些先验在数学上明确定义的意义上体现了最小信息量的概念。我们将这种方法应用于一般的横截面测量,并表明它会产生合理的结果。最近对单顶夸克截面的测量说明了在现实情况下的相关技术。
2010-07-06 hep-ex hep-ph physics.data-an
Learning Approximately Objective Priors
信息贝叶斯先验通常很难引出,当这种情况下,建模者通常转向非信息或客观先验。然而,客观的先验,如杰弗里斯和参考先验是不听话的,以获得许多模型的利益。我们解决这个问题,提出了学习参考先验近似的技术:我们选择一个参数的家庭和优化的黑盒下限的参考先验目标,找到家庭的成员,作为一个很好的近似。实验证明了该方法的有效性,通过恢复Jeffreys先验和学习变分自动编码器的参考先验。
2017-08-04 stat.CO stat.ML
Informative Distance-Based Priors for Correlation Matrices Centred on a Target Reference
The Alan Turing Institute(艾伦·图灵研究所);University of Pretoria(比勒陀利亚大学);King Abdullah University of Science and Technology(阿卜杜拉国王科技大学);National Institute of Health and Medical Research (Inserm UMR 1219)(法国国家健康与医学研究院 (Inserm UMR 1219));Universiti Brunei Darussalam(文莱达鲁萨兰国大学)
研究在贝叶斯分析中指定相关矩阵先验分布的挑战及解决方法,提出基于距离的先验分布,通过费希尔弧长距离分配质量,引入参数化适应条件独立约束,提供算法实现先验预测检查和敏感性分析。
2026-07-22 stat.ME
Objective Priors for the Conway-Maxwell-Poisson (COM-Poisson) Distribution
Georgetown University(乔治城大学);North Carolina State University(北卡罗来纳州立大学)
针对COM-Poisson分布基础模型客观先验研究不足的问题,提出四种客观先验,含独立杰弗里斯先验与新型分层参考先验,通过优化与Stan采样实现,经模拟与实例验证有效性。
2026-09-02 stat.ME
Propriety of the reference posterior distribution in Gaussian Process modeling
在一篇开创性的文章中,Berger,De Oliveira和Sansó(2001)比较了具有各向同性相关核的高斯过程回归模型参数的几种客观先验分布。参考先验分布在其中脱颖而出,因为它总是导致一个适当的后验。他们证明了这一结果粗糙的相关内核-球形,幂指数$q<2$,Matérn平滑$ν<1$。本文证明了平滑相关核-指数幂$q=2$,Matérn平滑$ν\geqslant 1$,有理二次-以及这些核的参考先验的尾部率。
2020-11-20 math.ST stat.TH
Reference priors of nuisance parameters in Bayesian sequential population analysis
为模拟贝叶斯渔业种群模型的自然波动或参数的不确定性而引出的先验分布,可以在大量的统计规律中选择。由于统计框架是由观测过程确定的,因此观测参数进入估计,必须被视为随机的,类似于种群水平或实际渔获量等参数或感兴趣的状态。因此,前者被认为是冗余参数,其值与所考虑的实验有内在联系,这也需要无信息的先验。在渔业研究中,Millar(2002年)提出Jeffreys的方法是一种引出这种先验的实用方法。然而,它们可能在多参数上下文中呈现错误的属性。因此,我们建议使用Berger和Bernardo提出的启发式方法,以避免Jeffreys先验提出的悖论结果。这些基准先验是在序贯总体分析的框架中得出的。
2010-10-11 math.ST stat.TH
Reference prior for Bayesian estimation of seismic fragility curves
针对有限二元数据下地震易损性曲线贝叶斯估计的先验选择难题,提出基于参考先验理论的客观方法,首次推导该问题的Jeffreys先验,证明其后验正常且无退化,能得到更稳健的可信区间。
2024-04-12 stat.AP stat.ME
Objective Bayesian inference for the Dhillon distribution
本文为Dhillon分布提出目标贝叶斯框架,推导三种目标先验,证明后验性质,通过MCMC进行推断,并模拟与实证验证其有效性。
2025-09-08 stat.ME
Objective Bayesian hypothesis testing in binomial regression models with integral prior distributions
在这项工作中,我们应用积分先验的方法来处理贝叶斯模型选择在二项式回归模型与一般的链接功能。这些模型经常用于调查流行病学研究中的关联和风险,其中一个目标是展示暴露是否是发展某种疾病的风险因素;本文的目的是测试特定暴露因素的影响。我们制定了贝叶斯模型选择情况下的问题,并解决它使用客观贝叶斯因素。为了在二项回归模型的回归系数上构造参考先验分布,我们依赖于积分先验的方法,该方法几乎是自动的,因为它只需要指定估计参考先验,并且不依赖于这些先验中的调整参数或超参数。
2013-06-28 stat.CO stat.ME
Objective Bayesian analysis under sequential experimentation
序贯实验的客观先验被认为是。常见的先验,如Jeffreys先验和参考先验,通常取决于用于序贯实验的停止规则。在各种情况下获得新的表达式的参考先验,并考虑涉及这种先验的计算问题。
2008-05-20 math.ST stat.CO stat.TH
Objective Bayesian analysis for spatial Student-t regression models
先验分布的选择是贝叶斯分析的一个关键方面。对于空间回归模型,参数的主观先验选择可能并不简单,从这一角度出发,利用客观贝叶斯分析框架,为自由度未知的空间Student-t回归模型引入了一个参考。空间Student-t回归模型提出了两个主要的挑战时,引发的先验:一个空间依赖参数和自由度的其他之一。众所周知,后验分布相对于客观先验的适当性并不总是得到保证,而适当的先验分布的使用可能会主导和偏置后验分析。在本文中,我们展示的条件下,我们提出的参考先验收益率适当的后验分布。模拟研究,以评估性能的参考之前,一个常用的模糊适当的前。
2020-04-09 math.ST stat.TH
Reference Bayesian analysis for hierarchical models
本文提出了另一种方法来构建不变的Jeffreys先验分布适合分层或多层模型。特别是,我们的提议基于分层模型的Fisher信息的灵活分解,克服了模型参数似然性的边缘化步骤。分层模型的Fisher信息矩阵是从感兴趣的参数值的邻域中的模型的Kullback-Liebler(KL)散度的Hessian导出的。KL发散的性质被用来证明所提出的分解。我们的建议利用层次结构,并导致另一种方法计算Jeffreys先验的超参数和先验信息的上界。虽然Jeffreys先验给出了关于参数的最小信息,但所提出的界给出了任何先验分布中的信息的上极限。具有高于该限制的信息的先验可能被认为信息量太大。从实际的角度来看,所提出的先验可以作为MCMC算法的一部分进行计算评估。这个属性对于具有许多层次的建模设置可能是必不可少的,在这些层次中,分析边缘化是不可行的。我们说明了我们的建议的有用性与混合模型中的例子,在模型选择先验,如套索和学生t模型。
2019-04-25 math.ST stat.TH
Enriched standard conjugate priors and the right invariant prior for Wishart distributions
多元正态分布的方差-协方差阵的预测在多元分析中是一个重要的问题.我们研究了Kullback-Leibler散度下Wishart分布的贝叶斯预测分布。Wishart分布族的条件约简使我们能够分解贝叶斯预测分布的风险。我们考虑了最近引入的一类先验分布,这是所谓的家庭丰富的标准共轭先验分布,并比较了贝叶斯预测分布的基础上,这些先验分布。进一步研究了基于族中参考先验分布的贝叶斯预测分布的性能,证明了族中存在一个先验分布优于参考先验分布.我们的研究提供了新的见解多元分析时,存在一个有序的推理重要性的自变量。
2022-09-23 math.ST stat.TH
On integral priors for multiple comparison in Bayesian model selection
University of Murcia(穆尔西亚大学);CIBER de Epidemiología y Salud Pública (CIBERESP)(公共卫生与流行病学网络中心(CIBERESP));Biomedical Research Institute of Murcia Pascual Parrilla–IMIB(穆尔西亚生物医学研究所帕斯夸尔·帕里利亚-IMIB);Université Paris Dauphine PSL(巴黎第九大学PSL);University of Warwick(华威大学)
本文提出了一种用于贝叶斯模型选择中多重比较的积分先验方法,通过构建遍历马尔可夫链来获得先验分布,并展示了其在模型比较中的有效性。
2026-02-17 stat.ME
Quantification of observed prior and likelihood information in parametric Bayesian modeling
本文提出了两种与数据相关的信息度量来量化参数贝叶斯模型中先验和似然函数的信息,其中一种与Berger,Bernardo和Sun提出的参考先验和Lindley提出的信息度量密切相关.理论,经验和计算支持的组合提供的证据表明,这些信息理论指标可能是有用的诊断工具时,执行贝叶斯分析。
2017-09-07 cs.IT math.IT stat.AP
Parallel Tempering With a Variational Reference
从复杂的目标分布中采样是贝叶斯推断的基本挑战性任务。并行回火(PT)通过在后验分布和固定参考分布之间插值的分布序列的扩展状态空间上构建马尔可夫链来解决这个问题,该固定参考分布通常被选择为先验分布。然而,在先验和后验几乎相互奇异的典型情况下,PT方法在计算上是禁止的。在这项工作中,我们解决这个挑战,通过构建一个广义退火路径连接后的自适应调整变分参考。使用简单的无梯度矩匹配程序调整参考分布,以使前向(包括在内)KL与后验分布的发散最小化。我们表明,我们的自适应过程收敛到前向KL极小值,和前向库尔贝克-莱布勒散度作为一个很好的代理,以前开发的PT性能的措施。我们还表明,在典型的贝叶斯模型的大数据限制,所提出的方法提高了性能,而传统的PT任意恶化。最后,我们引入PT与两个参考-一个固定的,一个变-与一个新的分裂退火路径,确保稳定的变参考适应。本文最后通过实验证明,我们的方法在广泛的现实贝叶斯推断场景中取得了巨大的经验收益。
2023-01-16 stat.CO
Posterior Consistency of Bayesian Inverse Regression and Inverse Reference Distributions
我们认为贝叶斯推断逆回归问题的目标是推断未观察到的协变量从观察到的响应和协变量。我们建立后验一致性的贝叶斯逆回归problemunder适当的先验在留一交叉验证设置中的未观察到的协变量。我们将其与逆参考分布的后验一致性(Bhattacharya(2013))相关联,以评估模型的充分性。我们用贝叶斯逆回归的各种例子来说明我们的理论和方法,以及足够的模拟实验。
2020-05-01 math.ST stat.TH
Bayesian analysis of three parameter singular Marshall-Olkin bivariate Pareto distribution
本文给出了奇异Marshall-Olkin二元Pareto分布的一种有效分析方法。本文考虑三参数奇异Marshall-Olkin二元Pareto分布。我们考虑两种类型的先验-参考先验和伽玛先验。基于分层加吉布斯抽样和林德利近似,计算了参数的贝叶斯估计。还为所有方法和所有先验分布提供了可信区间。为说明起见,保留了数据分析。
2017-09-30 stat.AP stat.CO stat.ME
Reference analysis of the signal + background model in counting experiments II. Approximate reference prior
被认为是一个模型的客观贝叶斯治疗代表两个独立的泊松过程,标记为“信号”和“背景”,都有助于添加计数事件的总数。它示出的参考先验的感兴趣的参数(信号强度)可以很好地近似广泛使用的(AB)平坦的先验只有当预期的背景是非常高的。另一方面,可以在背景参数空间的大部分上安全地使用非常简单的近似(完美先验背景知识的参考先验的限制形式)。所得的近似参考后验是伽马密度,其参数与观察到的计数相关。这种限制形式比用平坦先验获得的结果更简单,具有在所有情况下代表更接近参考后验的额外优点。因此,这种限制先验应被认为是比统一先验更好的默认先验或传统先验。在计算方面,它示出了一个2参数拟合函数是能够非常好地再现任何背景先验的参考先验。因此,它可以在需要评估参考先验非常大量的时间的应用中有用。[The发布版本JINST 9(2014)T10006在公式的标准化$N$中存在排印错误。(2.6)这里是固定的)。
2015-03-02 physics.data-an
Model Inference with Reference Priors
我们通过高能物理中的两个具体例子描述了基于参考先验的模型推理的应用:CKM矩阵参数rhobar和etabar的确定以及CMSSM SUSY模型简化版本中参数m_0和m_1/2的确定。我们展示了如何将1维参考后验映射到给定模型类的n维(n-D)参数空间,在n-D函数的最小条件集下。这个基于引用的函数可以用作下一次迭代推理的先验,递归地使用贝叶斯定理。
2011-07-14 hep-ex hep-ph physics.data-an
Jeffreys priors versus experienced physicist priors - arguments against objective Bayesian theory
我审查的问题的选择的先验从物理学家的角度感兴趣的测量一个物理量,我试图表明,参考先验往往建议的目的(杰弗里斯先验)不适合的问题。虽然这看起来令人惊讶,但对于一个“有经验的物理学家”来说,在没有明确使用贝叶斯定理的情况下,更容易接受主观的先验知识,甚至是纯粹主观的概率推断。使用参考先验的问题是在“贝叶斯教条主义”的更一般的背景下设置的,这可能会真正伤害贝叶斯主义。
1998-11-23 math.PR physics.data-an
Reference analysis of the signal + background model in counting experiments
代表两个独立的泊松过程,标记为“信号”和“背景”,并在同一时间的计数事件的总数都作出贡献的模型,被认为是从贝叶斯的观点。这是一种广泛使用的模型,用于在存在某些背景源的情况下搜索稀有或奇异事件,例如在高能物理实验中进行的搜索。在假定背景产额具有一定先验知识的情况下,得到了信号的参考先验,并研究了其性质。最后,充分的解决方案,边际参考后验的性质,说明了几个例子。
2011-12-14 hep-ex physics.data-an