一种改进的古气候重建贝叶斯半参数模型：基于交叉验证的模型评估
应用统计
2013-12-13 v2
摘要
基于化石的古气候重建是生态科学的一个重要领域，在全球气候变化辩论的背景下已获得广泛关注。分层贝叶斯范式为研究此类重要科学问题提供了一个有趣的平台。然而，我们基于交叉验证对现有贝叶斯分层模型的评估（针对分别基于摇蚊和花粉的两个现代代理数据集）表明，这些模型对于该数据集而言是不充分的。在本文中，我们使用零膨胀多项分布对物种组合（成分数据）进行建模，同时使用基于 Dirichlet 过程的高斯混合模型对物种响应函数进行建模。这种建模策略产生了显著改善的性能，最近开发的一种形式化的贝叶斯模型充分性检验表明，我们的新模型对于这两个现代数据集都是充分的。此外，结合零膨胀假设、重要性重采样马尔可夫链蒙特卡洛 (IRMCMC) 以及最近开发的基于变换的马尔可夫链蒙特卡洛 (TMCMC)，我们开发了一种强大且高效的计算方法。
引用
@article{arxiv.1310.7714,
title = {An Improved Bayesian Semiparametric Model for Palaeoclimate Reconstruction: Cross-validation Based Model Assessment},
author = {Sabyasachi Mukhopadhyay and Sourabh Bhattacharya},
journal= {arXiv preprint arXiv:1310.7714},
year = {2013}
}
备注
Approximately this version will appear in Environmetrics