贝叶斯 P-样条中自由度的惩罚复杂度先验
统计方法学
2017-11-16 v2
摘要
贝叶斯 P-样条在样条系数上假设一个本征高斯马尔可夫随机场先验，以精度超参数 为条件。 的先验导出是困难的。为克服此问题，我们旨在基于模型的一个可解释性质构建先验，该性质指示待估计光滑函数的复杂度。遵循此思想，我们提出了针对有效自由度个数的惩罚复杂度（PC）先验。我们给出了这些新 PC 先验构建背后的基本思想，描述了它们的性质，并展示了如何在高斯数据的 P-样条中实现它们。
引用
@article{arxiv.1511.05748,
title = {Penalized complexity priors for degrees of freedom in Bayesian P-splines},
author = {Massimo Ventrucci and Håvard Rue},
journal= {arXiv preprint arXiv:1511.05748},
year = {2017}
}