潜高斯模型的超出区域与轮廓不确定性区域
统计方法学
2012-11-19 v1 统计计算
摘要
一个有趣的统计问题是寻找某些研究过程超过特定水平的区域。估计此类区域使得整个集合中超过该水平的概率等于某个预定义值，是一个出现在从脑成像到天体物理学等多个应用领域的难题。本文提出了一种针对潜高斯模型解决此问题以及相关轮廓曲线不确定性区域寻找问题的方法。该方法基于对超出集使用参数族，并结合序列重要性采样方法来估计联合概率。利用模拟数据研究了该方法的准确性，并展示了两个环境应用案例。第一个应用估计了意大利北部皮埃蒙特地区空气污染超过欧盟为保护人类健康设定的日限值的区域。第二个应用估计了非洲萨赫勒地区在 20 世纪 80 年代初干旱期后植被增加的区域。
引用
@article{arxiv.1211.3946,
title = {Excursion and contour uncertainty regions for latent Gaussian models},
author = {David Bolin and Finn Lindgren},
journal= {arXiv preprint arXiv:1211.3946},
year = {2012}
}