基于 Stirling-gamma 先验的潜划分贝叶斯非参数建模
统计方法学
2024-09-04 v2 统计理论
统计理论
摘要
Dirichlet 过程混合对控制潜划分行为的精度参数值尤为敏感。通过该参数的先验分布进行随机化是一种常见解决方案，可得到更稳健的推断过程。然而，由于缺乏解析结果，现有先验选择不允许透明的先验设定。我们引入并研究了一种用于 Dirichlet 过程精度的新型先验，即 Stirling-gamma 分布。我们研究了由此诱导的随机划分的分布性质，重点关注簇的数量。我们的理论探究阐明了所提先验具有更优稳健性性质的原因。此外，我们表明，在其超参数的特定选择下，Stirling-gamma 分布关于 Dirichlet 过程的随机划分是共轭的。我们通过一个生态学应用说明了我们的方法在检测蚁工群落方面的有用性。
引用
@article{arxiv.2306.02360,
title = {Bayesian nonparametric modeling of latent partitions via Stirling-gamma priors},
author = {Alessandro Zito and Tommaso Rigon and David B. Dunson},
journal= {arXiv preprint arXiv:2306.02360},
year = {2024}
}