Convergence and asymptotic normality of variational Bayesian approximations for exponential family models with missing values
研究了缺失值指数族模型变分Bayes逼近的性质。证明了当样本量变大时，变分贝叶斯估计的迭代算法以概率1局部收敛于真值。证明了变分后验分布是渐近正态的。
2012-07-11 math.ST stat.CO stat.ME
A note on Bayesian logistic regression for spatial exponential family Gibbs point processes
近年来，指数族Gibbs空间点过程的逻辑斯谛回归推理方法被提出.我们将它与二次切向变分逼近技术相结合，导出了一种新的贝叶斯空间点模式分析方法。该技术进行了详细描述，并证明了数值例子。
2014-11-03 stat.ME stat.OT
Regularized Exponentially Tilted Empirical Likelihood for Bayesian Inference
The Ohio State University（俄亥俄州立大学）
本文提出正则化指数倾斜经验似然方法，通过引入连续指数族分布和正则化技术，解决后验域为原参数空间子集的问题，提升有限样本性能。
2026-10-05 stat.ME
Bergm: Bayesian Exponential Random Graphs in R
在本文中，我们描述了Bergm软件包的主要特点，它提供了一个全面的框架指数随机图模型的贝叶斯分析：参数估计，模型选择和拟合优度诊断工具。我们通过对两个著名网络数据集的教程分析来说明这个软件包描述算法的功能。
2014-01-28 stat.AP stat.CO
A Note on Bayesian Inference for the Bivariate Pseudo-Exponential Data
本文研究了二元伪指数分布的贝叶斯推断，在独立Gamma和伪Gamma先验下推导后验均值并与最大似然估计量比较，最后通过模拟和实际应用验证了方法。
2023-06-26 stat.AP stat.ME
On finite-population Bayesian inferences for $2^K$ factorial designs with binary outcomes
受Rubin（1978）的开创性工作的启发，我们采用潜在结果框架为医学研究中常见的具有二元结果的随机对照$2^K$析因设计开发了一个有限总体贝叶斯因果推断框架。模拟和实证的例子表明，所提出的框架纠正了著名的方差高估问题的经典的“奈曼”推理框架，在各种设置。
2019-01-24 stat.ME
Finite Population Survey Sampling: An Unapologetic Bayesian Perspective
本文从贝叶斯视角探讨有限总体中复杂依赖下的推断，涵盖层次模型、可忽略与不可忽略响应框架，并介绍图模型与空间过程的应用及近期分析特征。
2025-09-11 stat.ME
Exact Bayesian Analysis of Mixtures
在本文中，我们将展示如何一个完整的和精确的贝叶斯分析的参数混合模型是可能的，在某些情况下，当成分的混合物是从指数家庭和共轭先验时使用。这种有限的设置使我们能够显示贝叶斯方法的相关性，以及展示一个完整的分析的局限性，即它是不可能进行这种分析时，样本量太大，当数据不是从一个指数的家庭，或当使用的先验比共轭先验更复杂。
2010-10-29 stat.CO stat.ME
A Bayesian approach for small area population estimates using multiple administrative records
小区域人口估计对私营和公共部门的决策很有用。但是，在小范围内（即，那些难以到达并且人口规模小的地区）计算人口数量是复杂的。贝叶斯方法是使用多个行政记录的数据进行人口统计估计的一种替代方法。在本文中，我们探讨了贝叶斯方法，这是简单而灵活的，并代表了一个替代程序的基础人口估计特别强大的两次人口普查期间。方法程序的适用性说明了在哥伦比亚的哈蒙迪市使用人口金字塔。
2019-05-13 stat.AP stat.ME
Bayes-raking: Bayesian Finite Population Inference with Known Margins
分类挖掘广泛应用于分类数据建模和调查实践中，但面临着方法和计算上的挑战。我们开发了一个贝叶斯范式，通过将边际约束作为一个先验分布通过两个主要的策略：1）通过基函数或投影矩阵构建的解决方案的子空间和2）建模软约束。建议贝叶斯耙估计集成的利润率，样本选择和响应机制，和结果的模型，传播所有来源的不确定性的能力。计算通过Stan完成，代码可供公众使用。仿真研究表明，贝叶斯排序可以执行以及大样本的排序，并在有效性和效率增益方面表现出色，特别是在稀疏列联表或相关的排序因子。我们将新方法应用于幸福感的纵向研究，并证明基于模型的方法作为一个统一的调查推理框架，显着提高了推理的可靠性和实质性的发现。
2019-09-05 stat.CO stat.ME
Classical and Bayesian Analyses of a Mixture of Exponential and Lomax Distributions
在混合模型的寿命试验中，指数分布和Lomax分布被广泛应用。提出了一种指数分布与Lomax分布的混合模型。所提出的模型的参数估计使用经典和贝叶斯程序下的第一类右删失。贝叶斯估计的表达式推导出假设非信息（均匀和杰弗里斯）先验下对称和非对称损失函数。后验预测分布的未来观测的推导和预测估计。广泛的蒙特卡罗模拟进行调查性能的估计方面的样本量，删失时间和混合比例。混合模型的分析进行了使用的数据集的发射机和接收机的寿命。有趣的性质的估计进行了观察和讨论。
2020-02-25 stat.ME
Bergm: Bayesian exponential random graph models in R
Bergm软件包提供了一个使用马尔可夫链蒙特卡罗（MCMC）算法进行贝叶斯推断的综合框架。它还可以提供图形贝叶斯拟合优度程序，解决模型充分性问题。该软件包使用简单，代表了一种有吸引力的方式分析网络数据，因为它提供了一个完整的不确定性概率处理的优势。Bergm基于ergm软件包，因此它使用相同的模型设置和网络仿真算法。Bergm软件包在过去几年中在速度性能方面不断改进，现在为最终用户提供了一个可行的选择，用于对具有数千个节点的网络进行贝叶斯推断。
2017-03-26 stat.CO
E-Bayesian Estimation For Some Characteristics Of Weibull Generalized Exponential Progressive Type-II Censored Samples
可靠度和危险率的估计是工程研究和寿命预测中的重要问题之一。在这方面，使用了不同的估计方法。每种方法都利用各种工具，并且存在诸如计算复杂、精度低等问题。本文应用E-Bayesian方法估计威布尔广义指数分布的参数和生存函数。在渐进II型删失样本下，得到了平方误差和LINEX损失函数下的估计量。基于超参数的三种先验，导出了E-Bayes估计，研究了不同先验对估计的影响。研究了E-Bayesian估计的渐近性质以及它们之间的关系。最后，使用真实数据和蒙特卡罗模拟，对极大似然、贝叶斯估计和E-Bayes估计进行了比较。实验结果表明，该方法比以往的方法更有效.
2021-07-26 stat.ME
Untangling Sample and Population Level Estimands in Bayesian Causal Computation
Brown University（布朗大学）
本文探讨了样本级和总体级推断在识别、建模、计算和解释上的差异，通过四个例子说明相似的贝叶斯计算过程可能产生不同的估计量，导致错误推断。
2026-05-09 stat.ME
Bayesian Exponential Random Graph Models with Nodal Random Effects
我们扩展了著名的和广泛使用的指数随机图模型（ERGM），包括节点的随机效应，以补偿网络节点的异质性。Caimo和Friel（2011）提出的ERGM的贝叶斯框架为我们的建模算法提供了基础。网络模型中的一个中心问题是模型选择问题，并且遵循贝叶斯范式，我们专注于估计贝叶斯因子。要做到这一点，我们开发了一个近似的，但可行的计算贝叶斯因子，允许一个追求模型选择。两个数据示例和一个小型模拟研究说明了我们的混合模型方法和相应的模型选择。
2015-01-12 stat.AP stat.ME
Objective Bayesian analysis for the generalized exponential distribution
本文针对广义指数分布提出基于独立 Jeffreys 先验的客观贝叶斯推断，验证后验适定性，并通过广义均匀比抽样算法进行高效后验推断，模拟和真实数据验证了方法表现。
2023-09-23 math.ST stat.ME stat.TH
Bayesian Predictive Inference For Finite Population Quantities Under Informative Sampling
我们研究贝叶斯预测推理有限的人口数量时，有不平等的选择概率。关于样本设计的信息有限;即，只有对应于采样单元的一阶选择概率是已知的。与Chambers，Dorfman和Wang（1998）的方法不同，我们的方法可用于对有限总体数量进行推断，并提供精度和区间的度量。此外，我们的方法，使用马尔可夫链蒙特卡罗方法，避免了使用渐近封闭形式的近似，必要的其他方法，已提出。一组模拟的例子表明，信息模型提供了一个标准的可扩展模型的精度提高，并纠正选择偏差。
2018-04-09 stat.ME
Bayesian Optimization with Exponential Convergence
MIT（麻省理工学院）
本文提出了一种指数收敛的贝叶斯优化方法，它不需要辅助优化，也不需要增量覆盖抽样。大多数贝叶斯优化方法需要辅助优化：一个额外的非凸全局优化问题，这可能是耗时的，很难在实践中实现。此外，现有的具有指数收敛的贝叶斯优化方法需要访问增量覆盖采样，这被认为是不切实际的。我们的方法消除了这两个要求，并实现了指数收敛速度。
2016-04-05 cs.LG stat.ML
Robust Bayesian Sequential Borrowing for Multi-Population Clinical Programmes
Faculty of Informatics and Data Science, University of Regensburg（雷根斯堡大学信息科学与数据科学学院）
本文提出鲁棒贝叶斯序列借用框架，用于在多人群临床试验中跨相邻亚组推断证据，通过稳健混合先验结合信息性成分和单位信息成分，避免先验数据冲突，提升异质性下的动态衰减效果。
2026-04-24 stat.ME
Bayesian Population Projections for the United Nations
联合国定期发布按年龄和性别分列的世界各国人口预测。这些预测是事实上的标准，被国际组织、政府和研究人员广泛使用。与几乎所有其他人口预测一样，这些预测是使用标准的确定性队列分量预测方法进行的，不产生不确定性陈述。我们描述了一个贝叶斯方法，为大多数国家的概率人口预测，这是联合国可以使用的预测。它的核心是总生育率和出生时预期寿命的贝叶斯分层模型。我们说明的方法，并显示它如何可以扩展到解决有关联合国目前的假设生育率的长期分布的关注。该方法在R包bayesTFR，bayesLife，bayesPop和bayesDem中实现。
2014-05-19 stat.ME
A Robust Bayesian Exponentially Tilted Empirical Likelihood Method
本文提出了一种新的贝叶斯方法来分析矩条件模型的情况下，数据可能被野值污染。该方法建立在Schennach（2005）开发的基础上，他提出了贝叶斯指数倾斜经验似然（BETEL）方法，证明了经验似然（EL）可以被解释为贝叶斯过程的非参数极限，当隐含概率从最大化熵中获得时，受到一些给定的时刻约束。考虑到离群值被认为对总体矩估计的影响，我们开发了一种新的鲁棒BETEL（RBETEL）推理方法来处理这个潜在的问题。我们展示了BETEL方法如何与Bissiri，Holmes和Walker（2016）的最新工作联系起来，他们提出了一个通过损失函数更新先验信念的一般框架。控制仿真实验进行了研究的RBETEL方法的性能。我们发现，所提出的方法产生可靠的后验推理的基本关系，嵌入在大多数的数据，即使离群值存在。该方法还说明了在一项实证研究中使用的数据集包含65个不同的陆地动物物种的大脑重量体重。
2017-12-31 stat.ME
Aggregation by exponential weighting, sharp PAC-Bayesian bounds and sparsity
研究了确定性设计回归模型中平方损失下的聚集问题。我们得到尖锐的PAC贝叶斯风险界定义通过指数权重的聚集，在一般假设下的分布误差和聚集的功能。然后，我们应用这些结果来推导稀疏预言不等式。
2013-03-22 math.ST stat.TH
Bayesian model selection for exponential random graph models
指数随机图模型是社交网络中一类应用广泛的指数族模型。一个观察到的网络的拓扑结构建模的一组局部子图配置称为网络统计的相对流行。在这些模型的应用中的关键任务之一是在模型中包括哪些网络统计数据。这可以被认为是统计模型选择问题。这是一个非常具有挑战性的问题-每个模型的后验分布通常被称为“双重棘手”，因为计算的可能性很少，而且，后验的证据是，像往常一样，棘手。本文的贡献是基于Caimo和Friel（2011）的可逆跳跃马尔可夫链蒙特卡罗算法扩展开发了一种完全贝叶斯模型选择方法，该方法估计了每个竞争模型的后验概率。
2013-01-18 stat.AP stat.CO
Building Population-Informed Priors for Bayesian Inference Using Data-Consistent Stochastic Inversion
本文提出利用数据一致性反演（DCI）技术，从群体级数据中构建群体信息先验，以在观测数据有限时有效约束贝叶斯推断的不确定性，并从理论和数值实验上证明了该方法能显著提升个体化推断的信息增益。
2025-06-24 stat.ME
Posteriors, conjugacy, and exponential families for completely random measures
我们演示了如何计算后验一般CRM为基础的先验和似然贝叶斯非参数模型。我们进一步展示了如何表示贝叶斯非参数先验作为一个序列的有限提请使用大小偏置的方法-以及如何表示完整的贝叶斯非参数模型通过有限的边际。出于共轭先验的基础上指数族表示的可能性，我们引入了一个概念的指数族标准物质，我们称之为指数标准物质。这种结构使我们能够指定自动贝叶斯非参数共轭先验指数CRM似然。我们证明，我们的指数标准物质允许特别简单的配方贝叶斯非参数模型的大小偏置和边际表示。一路上，我们证明了伽玛过程是一个共轭先验的泊松似然过程和β素数过程是一个共轭先验的过程，我们称之为赔率伯努利过程。我们提供了一个大小偏置的伽玛过程和伽玛过程的边缘表示加上泊松似然过程。
2016-04-22 math.ST stat.ME stat.TH
An Efficient Bayesian Inference Framework for Coalescent-Based Nonparametric Phylodynamics
系统动力学的重点是重建过去的人口规模动态的问题，从目前的遗传样本从人口的利益。该技术已广泛用于生物学的许多领域，但对于研究快速进化的传染病病原体的传播特别有用，例如，流感病毒。系统动力学推断使用一个结合模型，该模型定义了从种群中随机抽样的个体的系谱的概率密度。当我们假设这样的系谱是已知的，结合模型，配备了一个高斯过程人口规模轨迹之前，允许非参数贝叶斯估计人口规模动态。虽然这种方法非常强大，但在传染病监测期间收集的大数据集挑战了贝叶斯推理动力学的最新技术，并需要计算上更有效的推理框架。为了满足这一需求，我们提供了一个计算效率的贝叶斯推断框架的基础上，哈密顿蒙特卡罗的聚结过程模型。此外，我们表明，通过分裂的哈密顿函数，我们可以进一步提高这种方法的效率。使用几个模拟和真实的数据集，我们表明，我们的方法提供了准确的估计人口规模的动态，是大大快于其他方法的基础上椭圆切片采样器和大都市调整的Langevin算法。
2014-11-29 stat.CO
Bayesian Hierarchical Models with Conjugate Full-Conditional Distributions for Dependent Data from the Natural Exponential Family
我们介绍了一种贝叶斯方法，用于分析（可能）高维相关数据，这些数据根据自然指数分布家族的成员分布。这个问题需要广泛的方法进步，因为联合建模高维相关数据会导致所谓的“大n问题”。当允许非高斯数据模型时，“大n问题”的计算复杂性进一步加剧，就像这里的情况一样。因此，我们开发了新的计算效率的分布理论，这种设置。特别地，我们引入了“共轭多元分布”，这是由Diaconis和Ylvisaker（1979）中引入的单变量分布所激发的。此外，我们提供了大量的理论和方法的发展，包括：条件分布的结果，与多元正态分布，共轭先验分布的渐近关系，并充分条件分布的吉布斯采样器。为了证明所提出的方法的广泛适用性，我们提供了两个模拟研究和三个应用程序的基础上流行病学数据集，联邦统计数据集，和环境数据集，分别。
2019-04-17 stat.ME
A Bayesian hierarchical small-area population model accounting for data source specific methodologies from American Community Survey, Population Estimates Program, and Decennial Census data
许多流行病学研究都需要小面积的人口估计，但其质量和准确性往往没有得到评估。在美国，美国人口普查局（USCB）以十年一次的人口普查（Decennial Census Counts）、两次人口普查之间的人口预测（Intercensal Population Projections，PEP）和美国社区调查（American Community Survey，ACS）的形式公布小区域的人口估计。虽然这些数据来源之间存在着重要的关系，但在数据收集和处理方法上存在着重要的对比，因此，每一套估计数可能会受到不同来源和误差幅度的影响。此外，由于每个数据源的调查后调整，这些数据源没有报告相同的小地区人口计数。由此产生的小地区疾病/死亡率可能会有所不同，具体取决于用于人口计数的数据源（分母数据）。为了准确地捕捉年度小面积人口计数和相关的不确定性，我们提出了一个贝叶斯人口模型（B-Pop），该模型融合了来自所有三个USCB来源的信息，考虑了数据源特定的方法和相关的误差。我们的框架的主要特点是：1）一个单一的模型集成多个数据源，2）占数据源特定的数据生成机制，并特别占数据源特定的错误，和3）预测的估计数年没有USCB报告的数据。我们的研究集中在佐治亚州的159个县，并产生2005-2021年的估计。
2021-12-18 stat.ME
Both necessary and sufficient conditions for Bayesian exponential consistency
在过去的十年中，贝叶斯非参数过程的渐近理论有了显著的发展。指数一致性在这方面发挥了重要作用。已知$f_0$在先验的Kullback-Leibler支持下的条件不能保证后验的指数一致性。许多作者得到了后验的指数相合性的额外充分条件，例如，参见Schwartz（1965），Barron，Schervish and Wasserman（1999），Ghosal，Ghosh and Ramamoorthi（1999），Walker（2004），Xing and Ranneby（2008）。然而，由于Kullback-Leibler支持条件，很少知道的充要条件和充分条件。本文给出了一类既有充要条件。作为结果，我们得到了一个简单的贝叶斯指数一致性的充分条件，这是弱于以前的充分条件。
2008-12-05 math.ST stat.TH
Efficient Bayesian inference for exponential random graph models by correcting the pseudo-posterior distribution
指数随机图模型是数据统计分析的重要工具。然而，这些模型的贝叶斯参数估计是极具挑战性的，因为后验分布的评估通常涉及到一个棘手的归一化常数的计算。这一障碍促使人们考虑对似然函数的易处理的近似，例如伪似然函数，它提供了一种构造这种近似的方法。我们称之为伪后验的简单实现是用伪后验分布代替后验分布中的似然函数，这可能会产生误导性的推论。我们提供了实际的指导方针，以纠正这样的伪后验分布的样本，使其近似分布的目标后验分布，并讨论了计算和统计效率，从这种方法产生的。我们通过对现实世界图表的分析来说明我们的方法。与Caimo和Friel（2011）的近似交换算法进行了比较，然后进行了总结。
2017-05-04 stat.CO
A Bayesian semi-parametric approach for inference on the population partly conditional mean from longitudinal data with dropout
使用纵向数据的记忆轨迹研究，由于选择性的研究招募和流失，通常会导致高度非代表性的样本。另一个偏差来自练习效果，由于熟悉测试内容或上下文，练习效果会提高或保持成绩。这些挑战可能会使研究结果产生偏差，并严重扭曲对目标人群进行概括的能力。在这项研究中，我们提出了一种方法来估计有限的人口平均值的纵向结果条件是活着在一个特定的时间点。我们开发了一个灵活的贝叶斯半参数预测估计人口推断时，纵向辅助信息是已知的目标人群。我们评估结果的敏感性，不可检验的假设，并进一步比较我们的方法用于人口推断的模拟研究中的其他方法。所提出的方法的动机是15年的纵向数据从桦纵向队列研究。我们应用我们的方法来估计情景记忆中的寿命轨迹，目的是将研究结果推广到目标人群。
2021-03-22 stat.AP stat.ME
Bayesian model selection for exponential random graph models via adjusted pseudolikelihoods
具有难处理的似然函数的模型出现在包括网络分析和空间统计学的领域，特别是涉及吉布斯随机场的那些领域。后验参数估计在这些设置中被称为双重棘手的问题，因为似然函数和后验分布是棘手的。贝叶斯模型的比较通常基于统计证据，即模型参数上的非标准化后验分布的积分，这种积分很少以封闭形式提供。对于双重棘手的模型，估计证据增加了另一层难度。因此，在用于网络分析的指数随机图模型集合中选择最能描述观察到的网络的模型是一项艰巨的任务。伪似然提供了一个易于处理的近似的可能性，但应谨慎对待，因为他们可能会导致不合理的推断。本文指定了一种方法来调整pseudolikelihoods，以获得一个合理的，但听话的，近似的可能性。这允许实现广泛使用的计算方法的证据估计和追求贝叶斯模型选择指数随机图模型的分析社交网络。与现有方法的实证比较表明，我们的程序产生类似的证据估计，但在较低的计算成本。
2017-10-19 stat.CO
Is non-informative Bayesian analysis appropriate for wildlife management: survival of San Joaquin Kit Fox and declines in amphibian populations
计算上的便利使得贝叶斯推断在生态学中被广泛应用于分析状态空间模型。模糊的先验被认为是客观的，让数据说话。这两种说法都不成立。统计学家批评了模糊先验的使用，从哲学到计算到实用主义的原因。然而，生态学家认为这些批评是空洞的哲学思考，没有实际意义。我们说明，在人口生存能力分析和占用模型中使用模糊先验可以对分析产生重大影响，并可能导致截然不同的管理决策。鉴于广泛的适用性的层次模型和非信息贝叶斯分析在生态学中的不加批判的使用，研究人员应该谨慎使用模糊的先验知识作为默认选择在实际情况下。
2015-02-02 q-bio.QM stat.ME
The Population Posterior and Bayesian Inference on Streams
许多现代数据分析问题涉及从流数据的推断。然而，流数据不容易服从标准的概率建模方法，它假设我们的条件是有限的数据。我们开发人口变分贝叶斯，一种新的方法，使用贝叶斯建模来分析数据流。它近似于一种新型的分布，即人口后验分布，它将数据的总体分布的概念与概率模型中的贝叶斯推断相结合。我们研究了我们的方法与潜在的Dirichlet分配和Dirichlet过程的混合物在几个大规模的数据集。
2015-07-21 stat.ML
Understanding Past Population Dynamics: Bayesian Coalescent-Based Modeling with Covariates
有效群体大小是群体遗传变异的特征，是群体遗传学中最重要的参数。Kingman的聚结过程使得能够直接从分子序列数据推断过去的种群动态，并且研究人员已经开发了许多灵活的基于聚结的模型，用于贝叶斯非参数估计作为时间的函数的有效种群大小。人口重建的一个主要目标是了解有效人口规模和潜在解释因素之间的关联。贝叶斯非参数合并为基础的方法的基础上，我们引入了一个灵活的框架，通过高斯马尔可夫随机场随时间变化的协变量。为了近似后验分布，我们采用高效的马尔可夫链蒙特卡罗算法设计的高度结构化的高斯模型。将协变量纳入人口统计推断框架，可以在考虑人口历史不确定性的同时，对有效人口规模和协变量之间的关联进行建模。此外，它可以导致更精确的人口动态估计。我们将我们的模型应用于四个例子。我们重建了北美浣熊狂犬病的人口统计学历史，发现与疫情的时空传播有重要关联。接下来，我们检查了波多黎各DENV-4病毒的有效种群规模轨迹以及病毒分离株计数数据，并发现了类似的循环模式。我们将喀麦隆HIV-1 CRF02_AG分支的人口历史与HIV发病率和流行率数据进行比较，发现有效人口规模更能反映发病率。最后，对晚第四纪麝牛种群动态与气候变化的关系进行了初步探讨。
2016-01-19 q-bio.PE stat.ME
A note on the geometry of the MAP partition in Conjugate Exponential Bayesian Mixture Models
本文研究了贝叶斯混合模型中最大后验概率（MAP）划分的几何性质，其中成分分布和基分布都是从共轭指数族中选取的。我们证明，在这种情况下，集群分离的轮廓线的线性泛函的充分统计量。作为一个特定的例子，我们描述了贝叶斯混合正态分布与正态-逆-Wishart之前的组件的平均值和协方差，其中集群在任何MAP分区分离的二次曲面。结合Rajkowski（2018）的结果，其中证明了具有固定分量协方差阵的贝叶斯混合模型中聚类的线性可分性，它给出了Fisher判别分析（LDA和QDA）几何特性的很好的贝叶斯模拟。
2019-06-24 math.ST stat.TH
Approximate Bayesian Solution for Estimating Population Size from Dual-record System
对于双记录系统，在人类群体的背景下，流行的Krasekar-Deming模型只考虑了时间变化对捕获概率的影响。然而，在实践中，种群在第一次被捕获后可能会发生行为变化。本文研究了具有时间和行为反应变量的双记录系统模型（相当于两个采样时刻的捕获-再捕获模型）。相关模型存在可识别性问题。提出了两种方法，从近似贝叶斯估计可以得到使用非常简单的吉布斯抽样策略。我们探讨我们提出的两种方法的特点和它们的用途取决于行为反应效应的性质的信息的可用性（或不可用）。进行了广泛的仿真研究，以评估其性能，并与几种可用的方法进行比较。最后，给出了模型和方法的实际数据应用。
2015-04-28 stat.ME
Differentially Private Bayesian Inference for Exponential Families
College of Information and Computer Sciences（信息与计算机科学学院）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
私人推理的研究已经引发了对数据分析的日益关注，当它源于敏感的来源。我们提出了第一种方法，私人贝叶斯推断指数家庭，适当占噪声引入的隐私机制。它是有效的，因为它只适用于足够的统计数据，而不是个人数据。与其他方法不同，它在非渐近数据制度中给出了适当校准的后验信念。
2018-10-26 cs.CR cs.LG stat.ML
Bayesian inference for exponential random graph models
指数随机图模型从统计学的角度来看是非常难以处理的模型，因为它们的归一化常数取决于模型参数，仅在非常平凡的情况下可用。我们展示了如何使用MCMC算法在贝叶斯框架中进行推理，从而避免了计算归一化常数的需要。我们使用的人口MCMC方法，加快收敛和改善混合的马尔可夫链。这种方法相对于Geyer和Thompson（1992）的蒙特卡罗极大似然方法改进了性能。
2010-09-29 stat.AP
Sample Complexity and Decision-Theoretic Guarantees for Bayesian Model Averaging over Decision Trees with Catalan-Exponential Priors
School of Computing and Engineering University of Bedfordshire, Luton, UK（计算与工程学院贝德福德郡大学，卢顿，英国）
针对具有Dirichlet-Multinomial叶模型和Catalan指数树大小先验的贝叶斯决策树，建立了理性承诺阈值的完整非渐近理论，回答了贝叶斯模型平均权重何时蕴含足够认知信息以证明对平均分布的承诺利用是合理的。
2026-06-02 cs.LG stat.ML
Latent Bayesian melding for integrating individual and population models
University of Edinburgh（爱丁堡大学）
在许多统计问题中，一个更粗粒度的模型可能适合于群体水平的行为，而一个更详细的模型适合于个人行为的准确建模。这就提出了如何整合这两种模式的问题。后验正则化等方法遵循广义矩匹配的思想，因为它们允许两个模型之间的期望匹配，但有时两个模型最方便地表示为潜变量模型。我们提出了潜在贝叶斯融合，这是出于平均分布在人口统计的个人水平和人口水平的模型下的对数意见池框架。在电力解聚，这是一种类型的单通道盲源分离问题的案例研究中，我们表明，潜在的贝叶斯融合导致显着更准确的预测比单纯基于广义矩匹配的方法。
2015-10-30 cs.AI stat.AP stat.ME
What is the `relevant population' in Bayesian forensic inference?
在讨论法庭上出示法医证据的贝叶斯范例的著作中，经常提到“相关人群”的概念，但没有明确界定其含义，也没有就如何选择此类人群提出建议。本文旨在更好地理解这一概念。我们的分析旨在足够普遍，以适用于不同的法医技术，我们将考虑DNA分析和说话人识别作为例子。
2014-03-24 stat.AP
Horseshoe-based Bayesian nonparametric estimation of effective population size trajectories
系统动力学是群体遗传学的一个领域，它使用遗传序列数据来估计过去的群体动态。现代最先进的贝叶斯非参数方法用于恢复未知形式的种群大小轨迹，使用变点模型或高斯过程先验。当变点的数目未知并且需要估计时，变点模型遭受计算问题。基于高斯过程的方法缺乏局部自适应性，并且不能准确地恢复表现出诸如趋势突变或平滑度变化等特征的轨迹。我们提出了一种新的，局部自适应的方法贝叶斯非参数非线性动态推理，具有灵活性，以适应一大类的功能行为。局部自适应的结果从建模的对数转换的有效人口规模先验的马蹄形马尔可夫随机场，最近提出的统计模型，混合在一起的最佳性能的变点和高斯过程建模范例。我们使用模拟数据来评估模型性能，并发现我们提出的方法与当代方法相比，偏差减少，精度提高。我们还使用我们的模型来重建埃及人类丙型肝炎病毒遗传多样性的过去变化，并估计古代和现代草原野牛的种群规模变化。这些分析表明，我们的新方法捕捉到了最先进的方法所错过的种群规模轨迹的特征。
2019-07-29 q-bio.PE stat.ME
Bayesian Testing of Scientific Expectations Under Exponential Random Graph Models
本文针对指数随机图模型中传统p值检验的局限性，提出基于贝叶斯因子和后验概率的检验方法，并在R包BFpack中实现，用于直接检验带等式或顺序约束的多重科学假设。
2023-11-30 stat.AP stat.ME
Model-Assisted Bayesian Estimators of Transparent Population Level Summary Measures for Ordinal Outcomes in Randomized Controlled Trials
University of Minnesota（明尼苏达大学）；University of Minnesota Medical School（明尼苏达大学医学院）
本文提出了一种基于模型的贝叶斯估计方法，用于随机对照试验中有序结局的透明总体汇总测量估计，通过非比例优势模型和贝叶斯抽样实现协变量调整，以提高统计效率。
2025-12-30 stat.ME
A Bayesian length-based population dynamics model for northern shrimp (Pandalus Borealis)
我们介绍了一个完全基于长度的贝叶斯模型的人口动态的北方虾（Pandalus Borealis）。这样做的好处是，可以根据直接观察到的数量对人口进行结构化，而不需要根据大小的测量间接估计年龄分布。介绍的模型是作为一个简单的原型，围绕它可以建立进一步的发展和完善。作为一个案例研究，我们使用该模型来分析1988-2012年斯卡格拉克和挪威深海的人口。
2015-09-29 stat.AP
On Bayesian Exponentially Embedded Family for Model Order Selection
The University of Rhode Island（罗德岛大学）
本文利用指数嵌入族方法推导了贝叶斯模型的序选择规则，称为贝叶斯EEF。与许多其他贝叶斯模型选择方法不同，贝叶斯EEF可以使用模糊的正确先验和不正确的无信息先验来客观地提取参数先验。此外，该规则的惩罚项是参数维数的一半和参数与观测数据之间的估计互信息之和。这有助于揭示EEF在模型阶数选择中的作用机制，并从信息论的角度对模型阶数选择的最优惩罚项选择和先验选择等问题提供新的见解.最后给出了线性模型选阶的重要实例，说明了算法和参数的选取。最后，使用Jeffreys先验的贝叶斯EEF与频率主义策略导出的EEF规则一致。这显示了频率论和贝叶斯哲学在模型选择中的另一个有趣的关系。
2018-12-21 cs.LG stat.ML
Bayesian Epidemic Detection in Multiple Populations
传统的流行病检测算法仅使用局部信息进行决策。我们提出了一种新的方法，明确地从几个集合种群的空间信息融合模型。我们的方法还考虑到了宣布流行病的成本效益因素。我们利用一个房室随机模型内的贝叶斯检测框架，导致一个动态优化问题。由此产生的自适应，非参数检测策略的最佳平衡检测延迟相对于一个相对于虚警概率。利用底层的状态空间结构，我们表示的停止规则的检测图，可视化的多变量系统的状态和政策制定之间的关系。它还使我们能够获得基于Gramacy和Ludkovski的顺序回归蒙特卡罗（SRMC）方法（SIFIN，2015）的有效的基于模拟的解决方案算法。我们说明了我们的结果合成的例子，也量化了我们的自适应检测相对于传统的基于阈值的策略的优势。
2015-09-14 stat.CO
Bayesian Inference for Population Attributable Measures from Under-identified Models
人群归因危险度（PAR）在流行病学中用于预测从人群中去除危险因素的影响。直到最近，文献中还没有计算PAR的置信区间或方差的标准方法。Pirikahu et al.（2016）概述了一种完全贝叶斯方法，以提供来自横断面研究的PAR的可信区间，其中数据以2 x 2表格的形式呈现。但是，未提供扩展以满足其他常用研究设计的需要。在本文中，我们提供了方法来计算可信区间的PAR病例对照和队列研究。此外，我们扩展了横截面的例子，以允许合并的不确定性时，出现一个不完美的诊断测试。在所有这些情况下，模型变得过度参数化或不可识别，这可能导致标准的“现成”马尔可夫链蒙特卡罗更新器需要很长时间才能收敛，甚至完全失败。我们适应一个重要性抽样的方法来克服这个问题，并提出了一些新的MCMC采样器，考虑到后脊的形状，以帮助收敛的马尔可夫链。
2021-05-27 stat.ME
Analyzing Brain Circuits in Population Neuroscience: A Case to Be a Bayesian
功能连接指纹是当今获得个人大脑和健康和疾病认知的忠实样本的最佳选择之一。在这里，我们提出了一个案例，使用贝叶斯分析策略分析这样的连接体配置文件的关键优势。他们（i）提供研究的神经认知现象的全概率估计（ii）提供分析机制，以连贯的方式分离方法的不确定性和生物变异性（iii）引导走向途径，超越经典的零假设显著性检验和（iv）使所有模型参数的可信度估计发挥作用，从而使预测与不确定性区间为单一主题。我们挑选了关于自闭症谱系障碍的研究问题作为一个反复出现的主题来说明我们的方法论论点。
2019-09-05 stat.AP stat.ME
Bayesian inference for the multivariate skew-normal model: a Population Monte Carlo approach
基于多变量偏正态模型的频率主义和似然推理方法在使用该模型时遇到了一些技术困难。尽管这类密度的普及，有没有广泛满意的解决方案的估计和测试问题。提出了一种一般群体的蒙特卡罗算法，该算法利用了偏态随机变量的潜在结构随机表示，对模型进行了完整的贝叶斯分析，并考虑了参数空间中的约束条件。所提出的方法可以被定义为弱信息，因为先验分布近似于形状参数向量的实际参考先验。与现有的经典解决方案的结果进行了比较，并通过仿真研究和实际数据的例子说明了该算法的实际实施。对具有偏正态误差的矩阵变量回归模型进行了推广。
2013-02-05 stat.AP stat.ME
Fast Gibbs sampling for the local and global trend Bayesian exponential smoothing model
针对局部与全局趋势贝叶斯指数平滑模型依赖 NUTS 导致拟合过慢的问题，本文改进模型并提出定制 Gibbs 采样器，在 M3 上保持或提升精度且速度显著加快。
2024-06-29 cs.LG stat.CO stat.ML
A Bayesian Spatial Berkson error approach to estimate small area opioid mortality rates accounting for population-at-risk uncertainty
提出贝叶斯空间Berkson误差模型，在疾病映射中纳入风险人口不确定性，以纠正小区域阿片类药物死亡率估计偏差，并应用于佐治亚州159个县。
2023-12-20 stat.AP stat.ME
A Bayesian Update Method for Exponential Family Projection Filters with Non-Conjugate Likelihoods
针对非共轭先验下连续-离散指数族投影滤波器的贝叶斯更新难题，提出将更新表述为 $\alpha$-Rényi 散度的黎曼优化，并在高度非高斯问题中验证有效性。
2025-08-26 math.OC stat.AP
