基于 Pitman-Yor 先验的未见物种估计中的高斯可信区间
机器人学
2025-01-28 v1
摘要
未见物种问题假设存在 n≥1 个来自不同物种（可能无限）的个体的样本，旨在估计若收集 m≥1 个新的样本将观察到的未见物种数量 K_{n,m}。这是统计学中的一个长期存在的问题，近年来在生物学和物理科学中因 n 和 m 较大而获得了 renewed relevance。在本文中，我们采用 Pitman-Yor 先验对未见物种问题进行贝叶斯非参数方法，并提出一种方法来推导 K_{n,m} 的大 m 渐近可信区间。通过利用 K_{n,m}后分布的高斯中心极限定理，我们的方法在两个关键方面改进了竞争者：首先，使 Pitman-Yor 先验（包括 Dirichlet 先验）的完整参数化成为可能；其次，避免使用蒙特卡洛抽样，提高了计算效率。我们在合成数据和真实数据上对所提出的方法进行了验证，结果表明该方法通过显着缩小渐近可信区间与 exact 可信区间之间的差距，在任何 m≥1 的情况下都显著提高了竞争者的实证性能。
引用
@article{arxiv.2501.16006,
title = {Underactuated dexterous robotic grasping with reconfigurable passive joints},
author = {Marek Kopicki and Sainul Islam Ansary and Simone Tolomei and Franco Angelini and Manolo Garabini and Piotr Skrzypczyński},
journal= {arXiv preprint arXiv:2501.16006},
year = {2025}
}