Estimating a smooth function on a large graph by Bayesian Laplacian regularisation
我们研究了贝叶斯方法来估计一个光滑函数的背景下,回归或分类问题的大型图形。我们推导出的理论结果表明,如何渐近最优贝叶斯正则化可以实现下的渐近形状假设的基础图形和平滑条件的目标函数,都制定在图形拉普拉斯算子。我们研究的先验是随机缩放的高斯分布,其精确运算符涉及图的拉普拉斯算子。
2017-03-05 math.ST stat.TH
A Flexible Bayesian Model for Estimating Subnational Mortality
在国家以下一级进行可靠的死亡率估计,对于研究一个国家内的健康不平等现象至关重要。编制这种估计数的困难之一是人口较少,死亡人数的随机变化相对较大,因此基本的死亡率水平不清楚。我们提出了一个贝叶斯层次模型来估计在国家以下一级的死亡率。该模型建立在死亡率曲线的特征年龄模式上,死亡率曲线是使用一组参考死亡率曲线的主成分构建的。关于死亡率的信息在地理空间上被汇总,并随着时间的推移而平滑。该模型的测试表明,合理的估计和不确定性水平时,该模型被应用到模拟数据,模仿美国县,和法国部门的真实数据。该模型产生的估计数可直接应用于研究次区域保健模式和差距。
2016-07-12 stat.AP
Estimating maternal mortality using data from national civil registration vital statistics systems: A Bayesian hierarchical bivariate random walk model to estimate sensitivity and specificity of reporting
民事登记人口动态统计数据被用于编制国家孕产妇死亡率估计数,但由于对孕产妇死亡的错误分类,这些数据往往存在重大报告错误。可以通过比较基于民事登记和人口动态统计系统的孕产妇和非孕产妇死亡人数与从专门研究中获得的人数来评估民事登记和人口动态统计系统的准确性,专门研究是对特定国家时期孕产妇死亡率的严格评估。我们开发了贝叶斯双变量随机游动模型,以估计CRVS数据中孕产妇死亡率报告的敏感性和特异性,以及相关的CRVS调整因子。该模型适用于民事登记和人口动态统计的全球数据集和专门研究数据。验证工作表明,该模型在预测没有专门研究的国家时期基于CRVS的孕产妇死亡比例方面表现良好。联合国孕产妇死亡率机构间小组在使用民事登记和人口动态统计数据估计孕产妇死亡率时使用了新模型来解释错误分类错误。
2019-09-18 stat.AP
Evaluating the relative contribution of data sources in a Bayesian analysis with the application of estimating the size of hard to reach populations
当在分析中使用多个数据源时,了解每个数据源对分析的影响以及数据源之间和模型之间的一致性非常重要。我们建议使用一个追溯价值的信息框架,以解决这些问题。信息价值方法在计算上可能很困难。我们说明了使用的计算方法,允许这些方法被应用,即使在相对复杂的设置。在说明所提出的方法,我们专注于应用程序中估计的规模难以达到的人口。具体而言,我们考虑通过结合乌克兰五年多来和许多次国家地区的所有现有数据来源,估计乌克兰注射毒品使用者的人数。这一应用引起了公共卫生研究人员的兴趣,因为这一难以接触的人群在艾滋病毒的传播中起着重要作用。我们应用贝叶斯分层模型,并评估每个数据源的绝对影响力,预期影响力和惊喜水平的贡献。最后,我们应用信息方法的价值,为未来的数据收集提供建议。
2020-09-04 stat.AP
Estimating the timing of stillbirths in countries worldwide using a Bayesian hierarchical penalized splines regression model
减少死产的全球负担对于改善儿童和孕产妇健康至关重要。人们感兴趣的是了解死产的时间模式-即死产是发生在产时还是产前-因为产时发生的死产在很大程度上是可以预防的。然而,世界各地关于死产时间的数据存在很大差异,低收入和中等收入国家通常很少有可靠的观察结果。在本文中,我们开发了一个贝叶斯惩罚样条回归框架,估计死产的比例是在世界各地的所有国家分娩。该模型考虑了与新生儿死亡率的已知关系,汇集了地理区域的信息,根据数据属性合并了不同的错误,并允许数据驱动的时间趋势。建议采用加权程序,以处理不具代表性的国家以下各级数据。结果表明,分娩期比例总体上随着时间的推移而下降,但在一些地区,特别是撒哈拉以南非洲,进展较慢。
2022-12-12 stat.AP
Adaptive Sampling for Estimating Distributions: A Bayesian Upper Confidence Bound Approach
University of Southern California(南加州大学);University of California, San Diego(加州大学圣地亚哥分校)
研究了概率质量函数(pmf)一致估计的自适应抽样问题。采样策略的性能以最差情况下的均方误差来衡量。提出了一种贝叶斯变体现有的置信上限(UCB)为基础的方法。分析表明,这种贝叶斯变体的性能并不比现有的方法差。贝叶斯设置中pmfs上的后验分布允许更严格地计算置信上限,这在实践中导致显著的性能增益。使用这种方法,自适应采样协议提出了估计SARS-CoV-2血清阳性率在不同的群体,如位置和种族。这一战略的有效性进行了讨论,使用从洛杉矶县的血清阳性率调查获得的数据。
2020-12-08 cs.LG stat.ME
Estimating Stochastic Production Frontiers: A One-stage Multivariate Semi-Nonparametric Bayesian Concave Regression Method
本文描述了一种方法来估计生产前沿,满足公理的单调性和单调性在非参数贝叶斯设置。一个低效率的长期,允许显着偏离先前的分布假设,在一个单一的阶段与参数先验假设联合估计。我们通过局部超平面收缩超参数将异方差引入到无效项中,并使用有界约束的局部非线性回归来施加单调性。我们的最小超平面估计量施加了。我们的蒙特卡罗模拟实验表明,前沿和效率估计是有竞争力的,经济合理的,并允许分析更大的数据集比现有的非参数方法。我们使用2007-2010年日本混凝土行业的数据验证了所提出的方法。结果表明,在这段时间内,效率水平保持相对较高。
2015-10-06 stat.AP stat.ME
A Bayesian Multilevel Random-Effects Model for Estimating Noise in Image Sensors
传感器噪声源导致单个图像中的像素和多个图像中记录的信号的差异。本文提出了一种贝叶斯方法来分解和表征数字相机成像中涉及的传感器噪声源。贝叶斯概率模型的基础上的(理论)模型的噪声源在图像传感适合一组的时间序列的图像具有不同的反射率和波长下控制照明条件。图像传感模型是一个复杂的模型,有几个相互作用的组件依赖于反射率和波长。贝叶斯方法的属性定义的条件依赖性参数之间的完全概率模型,传播所有来源的不确定性的推断,使贝叶斯建模框架更有吸引力和强大的比经典的方法接近的图像传感模型。一个可行的对应噪声参数,其预期的理论行为和校准后的预测分布与一个小的均方根误差模型预测已在这项研究中实现,从而表明,所提出的模型准确地近似的图像传感模型。贝叶斯方法可以扩展到制定进一步的组件,旨在识别成像过程的更具体的参数。
2020-04-24 eess.IV stat.AP
BICNet: A Bayesian Approach for Estimating Task Effects on Intrinsic Connectivity Networks in fMRI Data
内在连接网络(ICN)是在包括休息和任务在内的各种条件下一致发现的特定动态功能脑网络。研究表明,一些刺激实际上通过抑制、激发、调节或修改来激活内在连接。然而,ICN的结构和任务相关的影响ICN尚未完全理解。在本文中,我们提出了一个贝叶斯内在连接网络(BICNet)模型来识别ICN和量化的任务相关的影响ICN的动态。BICNet使用扩展的贝叶斯动态稀疏潜在因子模型,具有以下优点:(1)它同时识别个体ICN和组级ICN空间图:(2)它通过联合建模静息态功能磁共振成像(rfMRI)和任务相关功能磁共振成像(tfMRI)来鲁棒地识别ICN;(3)与基于独立成分分析(ICA)的方法相比,它可以量化不同状态下ICN幅度的差异;(4)它通过ICN的稀疏性而不是ad-hoc阈值来自动执行特征选择。建议的BICNet被应用到人类连接组计划(HCP)的rfMRI和语言tfMRI数据和分析确定了几个ICN相关的不同的语言处理功能。
2021-07-19 stat.AP
A Bayesian Approach to Estimating Effect Sizes in Educational Research
本文提出一种纯贝叶斯方法估计教育研究中组内和组间效应量,考虑数据的多层结构和时间点异质残差方差。通过R的brms包实现,推荐使用Cohen's d类似的效果量和修正相关性的d_s和d_z。
2026-04-01 stat.AP stat.ME
Bayesian adjustment for preferential testing in estimating the COVID-19 infection fatality rate
估计感染死亡率及其与各种相关因素的关系的一个关键挑战是确定病例总数。病例总数尚不清楚,因为不是每个人都接受了检测,而且更重要的是,因为接受检测的个人并不代表整个人口。我们将感染者比未感染者更有可能接受检测的现象称为“优先检测”。“一个悬而未决的问题是,在没有任何关于数据因偏好测试而产生偏差的程度的具体知识的情况下,是否有可能可靠地估计国际财务报告准则。在本文中,我们采取了部分可识别性的方法,制定明确的故意事先假设,可以提出一个贝叶斯模型,从不同的样本池的信息。当该模型与从血清阳性率研究和国家官方COVID-19统计数据获得的欧洲数据拟合时,我们估计欧洲的整体COVID-19 IFR为0. 53%,95% CI。= [0.39%,0.69%]。
2021-03-10 stat.AP stat.ME
Bayesian Reconstruction of Two-Sex Populations by Age: Estimating Sex Ratios at Birth and Sex Ratios of Mortality
贝叶斯重建的原始版本是一种用于估计特定年龄的生育率、死亡率、移徙和最近不确定性的人口计数的方法,仅对女性人口进行了估计。在这里,我们将展示如何两个性别的人口可以类似地重建和概率估计的各种性别比数量。我们通过重建1971年至2001年的印度,1960年至2000年的泰国和1985年至2005年的老挝的人口来展示该方法。我们发现有证据表明,在印度,出生性别比超过了传统的上限1.06,并在研究期间进一步增加,后验概率超过0.9。此外,几乎是独一无二的,我们发现了印度女性出生时预期寿命低于男性的证据(1971- 1976年的后验概率为0.79),尽管有强有力的证据表明,到2001年,这一差距正在缩小。在泰国和老挝,我们发现了更常见的结果的有力证据,即女性出生时的预期寿命更长,在泰国,这种差异在研究期间有所增加。
2013-12-18 stat.AP
Bayesian isotonic logistic regression via constrained splines: an application to estimating the serve advantage in professional tennis
在职业网球比赛中,发球方往往具有先发优势。事实上,大多数分数都是由发球者赢得的,这使得发球成为这项运动中最重要的元素之一。在本文中,我们专注于发球优势的作用,赢得一个点作为一个函数的集会长度。本文提出了一个关于发球得分概率的贝叶斯保序逻辑斯谛回归模型。特别是,我们通过B样条基函数的线性组合来分解获胜概率的logit,并具有运动员特定的基函数系数。此外,我们通过对样条系数施加约束,确保发球优势随拉力赛长度而减小。我们还考虑了每个球员的反弹能力,并研究了不同类型的法院可能会影响球员的反弹能力。我们将我们的方法应用于大满贯单打比赛数据集。
2019-08-29 stat.AP stat.ME
Bayesian data assimilation for estimating epidemic evolution: a COVID-19 study
流行病学参数的演变,如瞬时繁殖数Rt,是了解传染病的传播动力学的重要。目前时变流行病学参数的估计经常面临的问题,如滞后的观察,平均推理,和不正确的量化的不确定性。为了解决这些问题,我们提出了一个贝叶斯数据同化框架的时变参数估计。具体来说,这个框架被应用到Rt估计,从而在国家的最先进的DARt系统。利用DARt,通过将观测延迟纳入感染和Rt的联合推断来解决由滞后观测引起的时间不对准;通过即时更新新观测和开发捕获突变的模型选择机制来克服平均的缺点;通过采用贝叶斯平滑来量化和减少不确定性。我们验证了DARt的性能,并展示了其在揭示COVID-19传播动态方面的能力。所提出的方法提供了一个有前途的解决方案,准确和及时地估计传输动态报告的数据。
2021-10-24 physics.bio-ph physics.soc-ph q-bio.PE
Estimating seal pup production in the Greenland Sea using Bayesian hierarchical modeling
格陵兰海是竖琴海豹和冠海豹的重要繁殖地。估计每年海豹幼崽的产量是估计该物种管理所需的丰度的关键因素。这些估计数通常是根据航空摄影测量的计数。然而,由于其范围很大,只有一小部分的产崽区域可以拍摄。为了估计总的海豹幼崽生产,我们提出了一个贝叶斯分层建模方法,其动机是通过查看海豹幼崽的外观作为一个实现的对数高斯Cox过程,使用协变量信息从卫星图像作为代理冰厚度。对于推理,我们利用集成嵌套拉普拉斯近似(INLA)框架的随机偏微分方程(SPDE)模块。在使用2012年调查数据的案例研究中,我们将我们的结果与综合交叉验证研究中的现有方法进行了比较。研究结果表明,我们的方法提高了局部估计性能,并增加了我们的方法的预测不确定性,需要获得校准计数预测。这表明,调查设计的抽样密度可能不足以获得海豹幼崽产量的可靠估计。
2019-07-25 stat.AP
Corrected score methods for estimating Bayesian networks with error-prone nodes
出于使用有噪声的流式细胞术数据推断细胞信号网络的动机,我们开发了基于易错数据的贝叶斯网络推断程序。基于惩罚估计方法,提出了两种用于推断网络中节点之间因果关系的方法,该方法考虑了测量误差并鼓励稀疏性。我们讨论了建议的网络估计的一致性,并开发了一种方法来选择调整参数的惩罚估计方法。进行了实证研究,以比较所提出的方法和天真的方法,忽略测量误差与应用程序的合成数据和单细胞流式细胞术数据。
2020-02-10 stat.ME
A Bayesian Gaussian Process for Estimating a Causal Exposure Response Curve in Environmental Epidemiology
出于环境政策问题,我们解决的挑战,估计,变点检测和不确定性量化的因果关系的确定性响应函数(CERF)。在潜在结果框架下,CERF描述了连续变化的暴露(或治疗)及其对结果的因果影响之间的关系。我们提出了一种新的贝叶斯方法,依赖于一个高斯过程(GP)模型来估计非参数的CERF。为了实现所需的分离设计和分析阶段,我们参数化的协方差(核)函数的GP模拟匹配通过广义倾向得分(GPS)。超参数以及GP的核函数的形式被选择以优化协变量平衡。我们的方法实现了自动不确定性评估的CERF与高的计算效率,并使变点检测通过推断CERF的衍生物。我们提供的理论结果表明,我们的贝叶斯GP框架和传统的方法之间的对应关系,在因果推断估计连续曝光的因果影响。我们将这些方法应用于520,711个ZIP代码水平的观察,以估计长期暴露于PM2.5,臭氧和NO2对美国医疗保险参保者全因死亡率的因果影响。GPCERF R包中提供了建议的GP模型的计算效率实现,该包可在CRAN上获得。
2023-01-25 stat.AP stat.ME
A hierarchical Bayesian model for measuring individual-level and group-level numerical representations
一个流行的方法索引的数值表示是计算一个响应时间效应的个人估计,如SNARC效应或数值距离效应。传统上,这是通过估计个体线性回归斜率,然后将斜率合并以获得组水平斜率估计值,或使用个体斜率作为其他现象的预测因子来完成的。在本文中,我开发了一个分层贝叶斯模型,同时估计组水平和个人水平的斜率参数。我展示了使用这个建模框架来评估数字认知中两个常见效应的例子:SNARC效应和数字距离效应。最后,我证明了贝叶斯方法可以导致更好的测量保真度比经典的方法,特别是在小样本。
2017-10-23 stat.AP
An approximate Bayesian marginal likelihood approach for estimating finite mixtures
当混合分布的支持未知时,有限混合模型的估计是一个重要的问题。本文提出了一种新的基于边际似然的未知支持度估计方法。受贝叶斯Dirichlet先验模型的启发,提出了一种计算效率高的边际似然随机逼近形式,并给出了大样本理论。通过将支持度限制在有限网格上,采用模拟退火方法来最大化边际似然并估计支持度。实际和模拟数据的例子表明,这种新的随机逼近-模拟退火过程优于现有的方法。
2012-02-13 stat.CO stat.ME
A Bayesian Markov model with Pólya-Gamma sampling for estimating individual behavior transition probabilities from accelerometer classifications
在野生动物跟踪中使用加速度计为了解动物行为和决策提供了精细的数据源。目前的运动生态学方法集中在行为作为运动机制的驱动力。我们的马尔可夫模型是一种灵活而有效的方法,用于推断对行为的影响,考虑当前和过去的行为之间的依赖关系。我们将此模型应用于北美中部大陆春季迁徙期间六只大白额鹅(Anser albifrons frontalis)的行为数据,并考虑了可能的行为驱动因素,包括栖息地,天气和时间效应。我们使用一阶贝叶斯马尔可夫模型模拟飞行,进食,静止和行走行为状态之间的转换。我们引入了Pólya-Gamma潜变量,用于从后验分布中自动采样协变量系数,并计算后验样本的优势比。我们的模型提供了一个统一的框架,包括加速度和全球定位系统数据。我们发现栖息地类型,昼夜行为和行为的变化,由于天气之间的行为转换率显着差异。我们的模型提供了直接的推断行为的时间分配在使用的栖息地,这是不适合在活动预算或资源选择框架。
2020-05-19 stat.AP
A Bayesian Regression Approach for Estimating the Impact of COVID-19 on Consumer Behavior in the Restaurant Industry
University of Mumbai(孟买大学);Birla Institute of Technology, Mesra(比尔拉理工学院,梅斯拉)
本研究针对COVID-19对餐饮业的冲击问题,构建结合哈密顿蒙特卡洛的贝叶斯回归分析框架,估计不同类型餐厅的消费者行为变化点,为从业者和政策制定者提供决策参考。
2024-04-03 cs.LG stat.AP stat.ML
A Bayesian framework for estimating vaccine efficacy per infectious contact
在针对人类免疫缺陷病毒(HIV)等传染病的疫苗研究中,研究参与者与传染源之间的接触频率和类型是最具信息性的风险因素,但在标准分析中往往没有得到充分调整。这种调整可以改善对疫苗效力的评估以及对风险因素的评估。它可以通过对每次接触传染源的传播进行建模来实现。然而,在许多研究中,依赖于研究参与者自我报告的关于接触的信息受到非平凡的测量误差的影响。我们开发了一个贝叶斯分层模型拟合使用马尔可夫链蒙特卡罗(MCMC)抽样估计疫苗的有效性控制暴露于感染,同时调整接触相关因素的测量误差。我们的方法是用来重新分析两个最近的艾滋病毒疫苗研究,并与已发表的主要分析,使用标准方法的结果进行了比较。所提出的方法也可用于收集接触信息的其他疫苗,如人乳头瘤病毒疫苗。
2009-01-26 stat.AP
A comparison of score-based methods for estimating Bayesian networks using the Kullback-Leibler divergence
在本文中,我们比较了两种方法的性能估计贝叶斯网络的数据包含外生变量和随机效应。第一种方法是完全贝叶斯的先验分布是放置在外生变量,而第二种方法,我们称之为残差法,占外生变量的影响,通过使用限制极大似然的概念。我们回顾了这两个基于分数的指标,然后通过测量两个后验密度函数之间的库尔贝克-莱布勒散度或距离来研究它们的性能。库尔贝克-莱布勒散度为比较分布提供了一个自然的框架。残差的方法是相当简单的应用在实践中,我们证明了它的实用性,理论上和通过模拟。特别是,在应用程序中的外生变量是不是主要的利益,我们表明,潜在的损失的相关性的参数和诱导组件的信息,一般是小的。
2011-12-01 stat.ME
Inferring the Direction of a Causal Link and Estimating Its Effect via a Bayesian Mendelian Randomization Approach
使用遗传变异作为工具变量-一种称为孟德尔随机化的方法-是一种流行病学方法,用于估计暴露(表型、生物标志物、风险因素)对观察数据中疾病或健康相关结局的因果影响。工具变量必须满足强有力的、往往是不可检验的假设,这意味着在一大串潜在的候选者中找到好的遗传工具是具有挑战性的。这一困难由于许多遗传变异通过不同的因果途径影响一种以上的表型而变得更加复杂,这种现象称为水平多效性。这不仅会导致估计因果效应大小的错误,而且会导致推断假定因果联系方向的错误。在本文中,我们提出了一种贝叶斯方法称为BayesMR,这是一个推广的孟德尔随机化技术,我们允许多效性的影响,至关重要的是,反向因果关系的可能性。该方法的输出是目标因果效应的后验分布,它提供了估计中不确定性的直接且易于解释的测量。更重要的是,我们使用贝叶斯模型平均来确定推断方向相对于反向方向的可能性有多大。
2020-12-18 q-bio.GN q-bio.QM stat.AP
Bayesian binomial mixture models for estimating abundance in ecological monitoring studies
物种多度调查已成为许多生态监测研究的重要组成部分。这些研究的主要目的是了解特定物种如何在研究领域中分布,以及检测这些物种的抽样效率的量化。为了实现这些目标,在预定的访问期间对预选地点进行了取样,记录在每个地点观察到的物种数量。这导致空间参考的复制计数数据通常在结构上不平衡并表现出过度分散。巴尔的摩生态系统研究的动机,我们提出贝叶斯分层二项式混合模型,包括二项式康威-麦克斯韦泊松(Bin-CMP)混合模型,正式占不同程度的空间分散。我们提出的模型还允许通过实施可逆跳马尔可夫链蒙特卡罗方法的模型协变量和分散参数的分组的变量选择。最后,使用人口统计协变量从美国社区调查,我们证明了我们的方法的有效性,通过估计丰富的美国知更鸟(Turdus migratorius)在巴尔的摩生态系统研究。
2015-05-11 stat.AP
Hierarchical Spline-Based Bayesian Beta-Binomial Regression for Estimating Time-Varying Risk in Power Outages
Oak Ridge National Laboratory(橡树岭国家实验室)
该研究提出分层样条贝塔-二项回归模型,结合B样条与贝塔-二项似然,经PyMC的NUTS采样器推断,可估计停电时变风险,其AUC后验均值能提供校准不确定性,为公用事业及应急规划人员提供工具。
2026-08-14 stat.AP
A Bayesian Nonparametric Approach for Estimating Individualized Treatment-Response Curves
Johns Hopkins University(约翰霍普金斯大学)
我们研究的问题,估计随着时间的推移,使用观测时间序列的干预措施的连续反应-一个回顾性的数据集,其中的政策,数据生成是未知的学习者。我们的动机是响应因个人而异的应用程序,因此,在个人层面上估计响应对于个性化决策是有价值的。我们称之为估计个体化治疗反应(ITR)曲线的问题。在统计学中,G计算公式(Robins,1986)通常用于根据包含序贯治疗分配的观察数据估计治疗应答。然而,过去的研究主要集中在获得人口一级的时间点估计数。我们利用G-计算公式,并开发了一种新的贝叶斯非参数(BNP)方法,可以灵活地模拟功能数据,并提供后验推理的治疗反应曲线在个人和群体水平。在一个包含住院患者时间序列的具有挑战性的数据集上,我们估计了对用于管理肾功能的治疗的反应,并表明所得到的拟合比其他方法更准确。从观察数据中获得ITR的准确方法可以大大加快个性化治疗计划的步伐。
2016-12-10 cs.LG stat.ML
Bayesian estimation of in-game home team win probability for Division-I FBS college football
Maddox等人[9,10]建立了贝叶斯方法,用于估计大学和NBA篮球的主队在比赛中获胜的概率。本文介绍了一种贝叶斯方法,估计在游戏中的主队获胜概率,第一部FBS大学(美国)足球,使用预期剩余财产和预期得分作为两个预测。模型估计这些提出和比较。这些,以及其他预测被引入到两个贝叶斯方法的最终估计在游戏中的主队获胜概率。为了说明效用,方法被应用于贝勒和俄克拉荷马州之间的2021年大十二联盟足球锦标赛比赛。
2022-07-27 stat.ME
Bayesian Inference for Estimating Heat Sources through Temperature Assimilation
本文提出基于贝叶斯推断和MCMC方法的二维稳态热传导热源估计框架,利用傅里叶级数表示热源形状,分析参数可辨识性、多解性及边界条件对推断精度的影响。
2024-04-18 math.ST stat.AP stat.TH
Estimating an Inverse Gamma distribution
本文介绍了基于矩量法、极大似然法和全贝叶斯估计的逆Γ分布参数学习算法。我们还提供了逆Γ分布的库尔贝克-莱布勒散度的表达式,这使我们能够量化每个算法的估计精度。所提出的算法都是新颖的。最相关的新颖性包括第一共轭先验的反伽玛形状参数,它允许分析贝叶斯推断,和两个非常快的算法,一个极大似然和贝叶斯之一,都基于似然近似。为了计算在建议的分布下的期望值,我们使用拉普拉斯近似。这些新的贝叶斯估计的引入打开了将逆Γ分布包括到更复杂的贝叶斯结构中的可能性,例如变分贝叶斯混合模型。本文介绍的算法计算比较使用合成数据和有趣的关系之间的极大似然和贝叶斯方法。
2016-07-07 stat.ME
Bayesian Kernel Machine Regression via Random Fourier Features for Estimating Joint Health Effects of Multiple Exposures
Emory University(埃默里大学)
本文提出通过随机傅里叶特征改进贝叶斯核机回归,以高效估计多种暴露的联合健康效应。
2026-01-29 stat.AP stat.ME
blavaan: Bayesian structural equation models via parameter expansion
本文介绍了blavaan,这是一个R软件包,用于通过JAGS估计贝叶斯结构方程模型(SEM)并总结结果。它还描述了一种新的参数扩展方法,用于估计具有残差协方差的特定类型的模型,这有助于在JAGS中估计这些模型。该方法和软件的目的是为用户提供一个一般的方法来估计贝叶斯SEM,经典和新颖的,在一个简单的方式。用户可以使用lavaan语法估计经典SEM的贝叶斯版本,他们可以获得与模型相关的最先进的贝叶斯拟合度量,并且他们可以导出JAGS代码以根据需要修改SEM。这些功能和更多的例子说明,并详细说明了参数扩展的方法。
2016-11-17 stat.CO
Multi-time small-area estimation of oil and gas production capacities by Bayesian multilevel modeling
本文提出贝叶斯多层建模方法,利用巴肯地区2012-2024年数据,结合坐标系统与用水用砂强度,实现多时间小区域油气产能估计及不确定性预测。
2025-03-25 stat.AP
A Bayesian analysis of current duration data with reporting issues: an application to estimating the distribution of time-between-sex from time-since-last-sex data as collected in cross-sectional surveys in low- and middle-income countries
计划生育综合措施用于监测全球人口对避孕方法的需求和使用情况,例如作为FP2030倡议的一部分。低收入和中等收入国家的计划生育措施通常以通过跨部门住户调查收集的数据为基础。最近提出的措施通过评估感兴趣人群的性行为间隔时间(TBS)分布来解释性活动。在本文中,我们提出了一种统计方法来估计TBS的分布使用通常在低收入和中等收入国家的数据,同时解决两个主要的挑战。第一个挑战是,性信息的时间通常仅限于妇女的时间,因为上次性行为(TSLS)数据收集的横断面调查。在我们提出的方法中,我们采用当前的持续时间的方法来估计TBS的分布使用现有的TSLS数据,从人口水平的性别频率可以得出。此外,观察到的TSLS数据会出现报告问题,因为它们可以用不同的单位报告,并可能四舍五入。为了应用当前的持续时间方法并解决这些数据报告问题,我们开发了一个灵活的贝叶斯模型,并对所提出的建模方法进行了详细的技术描述。
2023-02-02 stat.AP
Bayesian models to adjust for response bias in survey data for estimating rape and domestic violence rates from the NCVS
由于强奸和家庭暴力的敏感性,很难准确估计这些犯罪的发生率。有证据表明,在根据调查数据估计犯罪率时可能会出现偏差,因为有些妇女答卷人在报告某些类型的犯罪时被“堵住嘴”,她们使用电话而不是面谈,而且面谈时配偶在场。另一方面,由于这些罪案的数据是每年收集的,如果我们能从以往的数据中识别和利用信息,在数据分析方面会更有效率。在本文中,我们提出了一个模型来调整强奸和家庭暴力的估计率,以解释由于“插科打诨”因素的反应偏差。为了估计模型中的参数,我们识别出对时间不敏感的信息,并将其纳入先验分布。贝叶斯估计器的优势在于它们能够以合理的方式组合来自长期观测记录的信息。在贝叶斯框架内,我们开发了一个期望最大化贝叶斯(EMB)算法的计算分析列联表,我们应用刀切估计的精度。我们的方法说明使用国家犯罪受害调查的年度犯罪数据。算例表明,与经典方法相比,该模型具有更高的估计效率,但不需要更复杂的计算。
2008-07-28 stat.AP stat.ME
Estimating the unobservable moose - converting index to population size using a Bayesian Hierarchical state space model
关于种群大小的间接信息,如颗粒计数或志愿者计数,是大多数生态研究和应用种群管理情况的主要信息来源。通常,这样的观察被当作是对种群规模的实际测量。这种假设导致了关于种群规模及其动态的错误结论。我们提出了一个模型的时间变化的联系,表示可数性,间接观测和实际人口规模之间。我们表明,当间接测量具有高精度(例如许多观察小时)的假设随时间变化的可数性估计的人口动态可能会产生至关重要的影响。我们将该模型应用于瑞典当地的驼鹿种群。估计的人口动态被发现解释30- 50%的总变异的观测数据,因此,可数占大部分的变化。这种估计动态的不可靠性对管理种群的能力有很大的负面影响;例如,减少(增加)需要收获的动物数量,以维持种群高于(低于)固定水平。最后,两个研究区之间的可数性差异很大,这意味着可数性的空间变化很大,这种变化本身就很值得研究。
2016-09-25 stat.AP
An Initial Exploration of Bayesian Model Calibration for Estimating the Composition of Rocks and Soils on Mars
火星探测器携带一台仪器ChemCam,旨在使用激光诱导击穿光谱(LIBS)测量表面岩石和土壤的成分。必须分析该仪器测得的光谱,以识别目标样品中的组成元素及其相对比例。这个过程,我们称之为解聚,是复杂的所谓的矩阵效应,它描述了发射线的相对高度的非线性变化作为一个未知的组合物的函数,由于原子相互作用在LIBS等离子体。在这项工作中,我们将探讨使用等离子体物理代码原子,在洛斯阿拉莫斯国家实验室开发的解聚任务。ATOMIC最近被用来模拟LIBS光谱,并可以从第一原理稳健地再现基质效应。ATOMIC预测LIBS光谱的能力提供了一个令人兴奋的机会,可以以LIBS界尚未尝试过的方式(即通过贝叶斯模型校准)执行分解。然而,直接使用它来解决我们的逆问题是计算上棘手的,由于大的参数空间和计算时间需要产生一个单一的输出。因此,我们还探索使用仿真器作为这种分析的快速解决方案。我们讨论了一个概念证明高斯过程仿真器分解钠和铜的两个元素的化合物。训练和测试数据集使用拉丁超立方体设计与ATOMIC进行模拟。在测试了仿真器的性能后,我们成功地恢复了25个测试光谱的贝叶斯模型校正的组成。
2020-08-11 stat.AP
Estimating Bayesian networks for high-dimensional data with complex mean structure and random effects
贝叶斯网络的高维数据,特别是基因表达数据的估计,一直是最近的研究重点。虽然有几种方法可用于估计这种网络,但这些方法通常假设数据由独立和相同分布的样本组成。然而,通常情况下,可用数据具有更复杂的均值结构加上额外的方差分量,这必须在贝叶斯网络的估计中考虑。在本文中,分数度量,考虑到这种复杂性,提出了结合使用基于分数的方法估计贝叶斯网络。我们首先提出了一个完整的贝叶斯得分度量,其次,限制极大似然的概念启发的度量。我们证明了这些新的指标的性能,贝叶斯网络的估计使用模拟数据与已知的复杂的平均结构。然后,我们提出了葡萄浆果基因的表达水平的分析调整外源变量被认为会影响基因的表达水平。可证明的生物学效应可以从估计的条件独立关系和葡萄浆果基因之间的相关性推断。
2011-11-30 stat.ME
A joint Bayesian hierarchical model for estimating SARS-CoV-2 diagnostic and subgenomic RNA viral dynamics and seroconversion
提出一种联合贝叶斯层次模型,同时估计SARS-CoV-2诊断性RNA和sgRNA病毒载量及血清转化动态,并利用交叉验证证明其可推算缺失的sgRNA轨迹。
2023-01-09 q-bio.BM stat.AP stat.ME
Bayesian Regularization for Functional Graphical Models with Applications to Neuroimaging
图模型用于表达在不同节点上观察到的随机变量之间的条件依赖关系,广泛应用于遗传学、神经科学和社会网络分析等许多领域。虽然目前大多数用于估计图形模型的统计方法都集中在标量数据上,但当在每个节点处观察到的数据是功能性的(例如信号或图像)时,人们对估计类似的依赖结构感兴趣。在本文中,我们提出了一个完全贝叶斯正则化计划估计功能图模型。我们首先考虑乔等人提出的函数图形套索的直接贝叶斯模拟。(2019)。然后,我们提出了一个正则化策略,通过图形马蹄铁。我们通过模拟研究比较这些方法,并将我们提出的功能图形马蹄铁应用于两个激励应用程序,用于比较酒精组和对照组之间的脑激活的脑电图数据,以及在创伤性脑损伤(TBI)存在下结构连接的变化。我们的研究结果让我们深入了解了大脑在受伤后如何试图补偿断开的网络。
2022-10-21 stat.AP stat.ME stat.ML
Bayesian Spanning Tree: Estimating the Backbone of the Dependence Graph
在多变量数据分析中,估计表征(p)变量之间的依赖性的图通常是重要的。一种流行的策略使用(p \times p)协方差或精度矩阵中的非零项,通常需要限制性建模假设以实现准确的图形恢复。为了提高模型的鲁棒性,我们转而专注于估计依赖图的{ \em主干}。我们使用一个生成树的可能性,基于一个最低限度的图形模型,是故意过度简化。采用贝叶斯方法,我们在树的空间上放置先验,并量化图形模型中的不确定性。在理论和实验中,我们表明,该模型不需要人口图是一个生成树或协方差,以满足超出正定性的假设。该模型准确地恢复人口图的骨干与现有的方法,但具有更好的鲁棒性的竞争力的速度。我们展示了组合属性的生成树,这可能是独立的利益,并开发了一个有效的吉布斯采样器的贝叶斯推断。分析脑电图数据使用隐马尔可夫模型与每个潜在的状态建模的生成树,我们表明,结果是更可解释的流行的替代品相比。
2021-06-30 stat.ME
Estimating the Sampling Distribution of Posterior Decision Summaries in Bayesian Clinical Trials
本文提出利用后验分布大样本理论建立后验决策摘要抽样分布的参数模型,通过少量模拟场景估计参数,从而在纳入试验假设不确定性的同时显著降低贝叶斯临床试验设计的计算负担。
2024-04-28 stat.ME
Estimating the marginal likelihood with Integrated nested Laplace approximation (INLA)
边际似然是贝叶斯统计学中一个公认的模型选择准则。它还允许有效地计算边缘后验模型概率,该概率可用于对感兴趣的量进行贝叶斯模型平均。然而,对于许多复杂的模型,包括潜在建模方法,边缘似然性难以计算。最近一个有前途的方法近似的边缘可能性是集成嵌套拉普拉斯近似(INLA),设计的模型与潜在的高斯结构。在这项研究中,我们比较了近似与INLA获得一些不同复杂性的例子上的替代方法。特别是,我们讨论了简单的线性潜在模型、贝叶斯线性回归模型、具有probit和logit链接的逻辑贝叶斯回归模型以及Poisson纵向广义线性混合模型。
2016-11-04 stat.CO
A Bayesian Multiscale Integrated Abundance Model for Estimating Latent Opioid Misuse Prevalence from Spatially Misaligned Data
Wake Forest University(维克森林大学);Wake Forest University School of Medicine(维克森林大学医学院);Yale School of Public Health(耶鲁公共卫生学院);Gillings School of Public Health, University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校吉林斯公共卫生学院);Rollins School of Public Health, Emory University(埃默里大学罗林斯公共卫生学院)
针对空间错位数据,提出贝叶斯多尺度综合丰度模型,利用Fisher非中心超几何分布和两阶段MCMC算法,联合多源指标估计潜在阿片滥用流行率,在俄亥俄州数据上揭示县内异质性。
2026-10-07 stat.AP stat.ME
dynesty: A Dynamic Nested Sampling Package for Estimating Bayesian Posteriors and Evidences
我们提出dynesty,一个公共的,开源的Python包,使用动态嵌套采样来估计贝叶斯后验和证据(边际似然)。通过基于后验结构自适应地分配样本,动态嵌套采样具有马尔可夫链蒙特卡罗算法的优点,该算法只关注后验估计,同时保留嵌套采样从复杂的多模态分布中估计证据和样本的能力。我们提供了一个概述嵌套采样,其扩展到动态嵌套采样,所涉及的算法挑战,以及采取各种方法来解决这些问题。然后,我们研究dynesty的性能在各种玩具的问题,随着几个天文应用。我们发现,在特别的问题dynesty可以提供大量的改进,采样效率相比,流行的MCMC方法在天文文献。有关巢式抽样的更详细统计结果亦载于附录。
2019-04-03 astro-ph.IM stat.CO
A hierarchical Bayesian model for estimating age-specific COVID-19 infection fatality rates in developing countries
本文提出一种贝叶斯分层模型,将COVID-19感染病死率估计为年龄的连续函数,融合血清学与死亡数据并共享跨地区信息,在26个发展中国家地区验证了方法的有效性。
2023-08-08 stat.AP
Bayesian Machine Learning for Estimating Optimal Dynamic Treatment Regimes with Ordinal Outcomes
本文提出将有序贝叶斯加性回归树(OBART)纳入贝叶斯机器学习框架,用于估计有序结局下的最优动态治疗方案并量化不确定性,通过模拟和戒烟试验数据验证了方法的有效性。
2025-03-08 stat.ME
On Estimating the Gradient of the Expected Information Gain in Bayesian Experimental Design
University of Birmingham(伯明翰大学)
该研究针对贝叶斯实验设计中EIG优化的梯度需求,提出EIG梯度的后验期望表示,构建UEEG-MCMC和BEEG-AP两种估计方法,验证了二者的鲁棒性、效率优势及优于主流基准的性能。
2023-12-12 cs.LG stat.ML
A Bayesian Multi-State Data Integration Approach for Estimating County-level Prevalence of Opioid Misuse in the United States
The Pennsylvania State University(宾夕法尼亚州立大学)
本文提出了一种贝叶斯多状态数据整合方法,利用公开数据估算美国各县阿片类药物滥用流行率,实现高精度估计并首次提供全国范围内的县级流行率数据。
2026-01-08 stat.AP
Compressive Measurement Designs for Estimating Structured Signals in Structured Clutter: A Bayesian Experimental Design Approach
University of Minnesota(明尼苏达大学)
这项工作考虑了压缩感知中的估计任务,其中目标是在特定设置中从被加性测量前噪声(干扰或杂波)以及测量后噪声破坏的压缩测量中估计未知信号,其中一些(可能是有限的)关于信号、干扰和噪声的先验知识是可用的。这里的具体目标是设计一种策略,用于将该先验信息纳入适当的压缩测量策略的设计中。在这里,先验信息被解释为相关量的先验分布的统计,并提出了一种基于贝叶斯试验设计的方法。合成数据上的实验结果表明,该方法优于传统的随机压缩测量设计,这是先验信息不可知的,以及其他几个知识增强的传感矩阵设计的基础上更启发式的概念。
2013-11-21 cs.LG stat.ML
Bayesian Estimation of the ETAS Model for Earthquake Occurrences
流行型余震序列(ETAS)模型是地震预报中应用最广泛的方法之一。然而,ETAS的大多数研究使用模型参数的点估计,这忽略了从历史地震目录中估计这些参数所产生的固有不确定性,导致误导性的乐观预测。相比之下,贝叶斯统计允许参数的不确定性被显式地表示,并被馈送到预测分布中。尽管贝叶斯统计在地震学中越来越受欢迎,但ETAS模型中贝叶斯统计的应用受到了所产生的后验分布的复杂性的限制,这使得它不可能应用于包含数百个以上地震的目录。为了解决这个问题,我们开发了一个新的框架,以完全贝叶斯的方式估计ETAS模型,它可以有效地扩展到包含数千次地震的大型目录。我们还提供易于使用的软件来实现我们的方法。
2021-09-13 physics.geo-ph stat.AP stat.ME
Estimating Bayesian Optimal Treatment Regimes for Dichotomous Outcomes using Observational Data
最佳治疗方案(OTR)是个体化治疗分配策略,在给定个体所有可用背景信息的情况下,将医学治疗确定为最佳。我们讨论贝叶斯最优治疗方案估计使用的损失函数定义的二元分布的二分潜在的结果。所提出的方法允许考虑OTR的比预期结果的最大化更一般的目标(例如,生存概率),例如考虑不必要的治疗负担。作为一个激励性的例子,我们考虑口咽癌治疗的情况下,由于化疗不必要的负担是要避免,同时最大限度地提高生存机会。假设可验证的治疗分配,我们描述了关于OTR的贝叶斯推断,包括对潜在结局未观察到的部分相关性的敏感性分析。我们评估的方法,应用贝叶斯参数和更灵活的非参数结果模型的模拟。拟议的口咽癌OTR将更繁重的化疗分配频率降低了约75%,而不会降低平均生存概率。因此,该方案大大提高了患者的预期生活质量。
2018-09-28 stat.ME stat.ML
Bayesian Post-Processor and other Enhancements of Subset Simulation for Estimating Failure Probabilities in High Dimensions
小失效概率的估计是可靠性工程中最重要和最具挑战性的计算问题之一。失效概率通常由高维不确定参数空间上的积分给出,这是难以数值计算的。本文重点介绍了Au和Beck提出的子集模拟(Subset Simulation,SS)算法的改进,该算法基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)模拟,为计算一般高维可靠性问题的小失效概率提供了一种有效的算法。首先,我们分析了修正的Metropolis算法(MMA),MCMC技术,这是用于在SS从高维条件分布采样。我们提出了一些观察MMA的最佳缩放,并制定了最佳缩放策略,该算法时,它是在SS。其次,我们提供了一个理论基础的最佳值的条件失效概率$p_0$,一个重要的参数时,必须选择使用SS。最后,贝叶斯后处理器SS+的原始SS方法的开发,其中不确定的故障概率,一个是估计建模为一个随机变量,其可能的值属于单位区间。SS的模拟样本被视为与系统可靠性相关的信息数据。代替单个实数作为估计,SS+产生失效概率的后验PDF,其考虑了先验信息和采样数据中的信息。该PDF量化了失效概率值的不确定性,可进一步用于风险分析,以纳入该不确定性。本文还讨论了原始SS和SS+之间的关系
2011-10-15 stat.AP stat.CO
NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and Parameters
Massachusetts Institute of Technology(麻省理工学院);Broad Institute of MIT and Harvard(麻省理工学院与哈佛大学博德研究所);Carnegie Mellon University(卡内基梅隆大学);University of Chicago(芝加哥大学);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
特定于上下文的贝叶斯网络(即有向非循环图,DAGs)识别变量之间的上下文相关关系,但非循环性要求引起的非凸性使得特定于上下文的估计器之间难以共享信息(例如,使用图形生成器函数)。出于这个原因,用于推断上下文特定的贝叶斯网络的现有方法倾向于将数据集分解为子样本,限制统计功效和分辨率,并防止使用多维和潜在上下文。为了克服这一挑战,我们提出了NOTEARS优化的原型DAG混合物(NOTMAD)。NOTMAD将上下文特定的贝叶斯网络建模为一个函数的输出,该函数根据样本上下文学习混合原型网络。原型网络与特定于上下文的网络联合估计,并且不需要任何先验知识。我们将非循环约束编码为平滑正则化损失,并将其反向传播到混合函数;通过这种方式,NOTMAD在特定于上下文的非循环图之间共享信息,从而能够以甚至单样本分辨率估计贝叶斯网络结构和参数。我们通过分析和实验证明了NOTMAD和样本特异性网络推理的实用性,包括与癌症形态学变化相对应的患者特异性基因表达网络。
2021-11-01 cs.AI cs.LG stat.ML