稳健学生t回归模型的非迭代贝叶斯抽样算法

发布时间：2018-03-14 11:02

  本文选题：t回归　切入点：EM算法　出处：《统计与决策》2017年09期 　论文类型：期刊论文

【摘要】：与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数。而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性。文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题。
[Abstract]:Compared with normal regression, the student t regression model is a more robust regression model for outliers, and the parameters are usually estimated by the Gibbs sampling algorithm, while the Gibbs sampling is an iterative algorithm, and the samples are not independent samples. In this paper, a non-iterative sampling algorithm based on inverse Bayesian formula is discussed. The algorithm uses normal mixed representation of t distribution, combines EM algorithm and important resampling algorithm. A posteriori sample with independent and identical distribution of parameters is obtained, which can be directly used for statistical inference, thus avoiding the problem in Gibbs sampling.
【作者单位】： 山东大学(威海)数学与统计学院;
【分类号】：O212

【相似文献】

相关期刊论文 前10条

1 叶阿忠;非参数可加回归模型和非线性协整检验[J];数理统计与管理;2002年02期

2 程毛林;两种常用的基函数回归模型[J];统计与决策;2002年02期

3 麻晓伟,孙磊;模糊数据的回归模型及其应用[J];长春工程学院学报(自然科学版);2002年04期

4 孙尚拱,何平平;经典的用回归模型进行统计控制中的问题[J];数理统计与管理;2005年05期

5 王全众;;两类分析相关数据的Logistic回归模型[J];统计研究;2007年02期

6 徐英;骆福添;;COX回归模型的样本含量的计算方法及软件实现[J];数理医药学杂志;2008年01期

7 刘群;王颖U，

本文编号：1610917