具有零膨胀与离群值的计数数据的稳健贝叶斯建模：理论稳健性与高效计算
统计方法学
2024-05-09 v2
摘要
具有零膨胀和大型离群值的计数数据在许多科学应用中无处不在。然而，在标准统计模型（如泊松分布或负二项分布）下的后验分析对此类污染十分敏感。本研究引入了一种对零膨胀和大型离群值均稳健的计数数据贝叶斯建模新框架。在此过程中，我们引入了重缩放贝塔分布并将其用于吸收来自零计数和离群计数的不良影响。所提方法具有两个吸引人的特点：通过定制的 Gibbs 采样算法实现后验计算的高效性，以及理论保证的后验稳健性，其中极端离群值被自动从后验分布中移除。我们通过将所提方法应用于使用预测高斯过程的趋势滤波和空间建模，展示了其实用性。
引用
@article{arxiv.2106.10503,
title = {Robust Bayesian Modeling of Counts with Zero inflation and Outliers: Theoretical Robustness and Efficient Computation},
author = {Yasuyuki Hamura and Kaoru Irie and Shonosuke Sugasawa},
journal= {arXiv preprint arXiv:2106.10503},
year = {2024}
}
备注
32 pages (main text) and 23 pages (supplementary material)