重尾马蹄先验

在贝叶斯框架中，局部自适应收缩是通过使用局部-全局先验分布来实现的，这些分布既对稀疏性的全局水平进行建模，也对均值结构参数的各个收缩参数进行建模。这些模型中最受欢迎的是马蹄先验及其变体，因为它们具有在原点处存在渐近线和重尾的尖峰与厚板行为。在本文中，我们提出了一种替代的马蹄先验，它在原点处表现出更尖锐的渐近线以及更重的尾部，我们将其称为重尾马蹄先验。我们证明，对形状参数进行混合可提供改进的尖峰与厚板行为，以及比其他马蹄变体更好的重构性质。我们提供了一项模拟研究，以展示重尾马蹄先验在绝对误差方面相对于真实均值结构和预言机的优势。