贝叶斯变换族选择：迈向变换后的高斯宇宙
统计方法学
2013-12-13 v1
摘要
本文从贝叶斯视角深入探讨了变换选择问题。为实现正态性，我们考虑了多种变换族：Box-Cox、Modulus、Yeo & Johnson 以及 Dual 变换。我们构建了马尔可夫链蒙特卡洛（MCMC）算法，以便从与每个竞争变换族 相关的变换参数 的后验分布中进行采样。我们研究了在备选变换族上为 构建相容先验分布的不同方法，采用了单位信息幂先验（unit-information power-prior）方法以及一种具有近似单位信息解释的替代正态先验。不同变换族之间的选择与判别是通过后验模型概率实现的。我们利用多种模拟数据集展示了该方法的有效性。虽然没有一种变换族可以普遍适用于所有问题，但经验证据表明，某些特定的数据结构最适合由特定的变换族处理。例如，偏度与 Box-Cox 族相关，而厚尾分布则能通过 Modulus 变换得到有效处理。
引用
@article{arxiv.1312.3482,
title = {Bayesian transformation family selection: moving towards a transformed Gaussian universe},
author = {Efstratia Charitidou and Dimitris Fouskakis and Ioannis Ntzoufras},
journal= {arXiv preprint arXiv:1312.3482},
year = {2013}
}
备注
29 pages, 3 figures, 4 tables, 2 Appendix sections