通过高斯与Student's t误差混合实现鲁棒且准确的推断
统计方法学
2018-11-30 v3
摘要
高斯测量误差假设，即假设数据被高斯噪声观测到，会在存在离群值时使任何参数估计产生偏差。基于Student's t分布的重尾误差假设有助于减小偏差。然而，当大部分数据正常观测时，若将重尾假设统一应用于所有数据，其在参数估计上可能效率较低。我们提出一种混合误差假设，根据潜在离群指示变量有选择地将高斯误差转换为Student's t误差，从而利用高斯与Student's t误差的优点；参数估计不仅能鲁棒而且准确。利用模拟的医院画像数据和天文亮度时间序列数据，我们展示了所提混合误差假设在离群值存在时准确估计参数的潜力。
引用
@article{arxiv.1707.03057,
title = {Robust and Accurate Inference via a Mixture of Gaussian and Student's t Errors},
author = {Hyungsuk Tak and Justin A. Ellis and Sujit K. Ghosh},
journal= {arXiv preprint arXiv:1707.03057},
year = {2018}
}