通过收缩先验控制非高斯过程的灵活性
统计方法学
2022-11-01 v2
摘要
正态逆高斯（NIG）与广义非对称拉普拉斯（GAL）分布可视为高斯分布的偏斜与半重尾扩展。由这些更灵活噪声分布驱动的模型因而被视为更简单高斯模型的灵活扩展。推断过程往往高估数据中的非高斯程度，因此我们提出通过在推断框架中加入合理的先验以将模型收缩向高斯性，从而控制这些非高斯模型的灵活性。在推导合理先验的过程中，我们还提出了非高斯模型的一种新颖直观参数化，并讨论如何在 中高效实现它们。方法针对一类通用非高斯模型推导，该类包含空间 Matérn 场、时间序列自回归模型与面状数据同时自回归模型。结果通过一项模拟研究与地质统计应用予以说明，其中惩罚模型复杂度的先验被证明可带来更稳健的估计并偏好高斯模型，同时在数据中有充分证据时允许非高斯性。
引用
@article{arxiv.2203.05510,
title = {Controlling the flexibility of non-Gaussian processes through shrinkage priors},
author = {Rafael Cabral and David Bolin and Håvard Rue},
journal= {arXiv preprint arXiv:2203.05510},
year = {2022}
}
备注
34 pages, 12 figures; Added new section about Stan implementation and a cross-validation study in the application section, removed unecessary details