泊松-高斯混合过程：一种灵活稳健的非高斯地统计建模方法
统计方法学
2024-12-09 v6
摘要
本文提出一类新颖的地统计模型族，旨在捕捉传统高斯过程无法刻画的复杂特征。所提出的模型族称为泊松-高斯混合过程（POGAMP），其以层次化方式定义，将高斯过程的无限维动态与任意多元连续分布相结合。该组合由潜泊松过程随机定义，使 POGAMP 能够定义具有可逼近任意连续分布的有限维分布的有效过程。与其他可能因赋予任意有限维分布而无法保证过程有效性的非高斯地统计模型不同，POGAMP 保留了建模与推断都至关重要的基本概率性质。我们建立了关于 POGAMP 存在性与性质的形式化结果，凸显了其在捕捉复杂空间模式中的稳健性与灵活性。为支持实际应用，当 POGAMP 在某空间域上被离散观测时，我们设计了一种精心构造的 MCMC 算法用于贝叶斯推断。
引用
@article{arxiv.2203.06437,
title = {The Poisson-Gaussian Mixture Process: A Flexible and Robust Approach for Non-Gaussian Geostatistical Modeling},
author = {F. B. Gonçalves and M. O. Prates and G. A. S. Aguilar},
journal= {arXiv preprint arXiv:2203.06437},
year = {2024}
}