• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >Bayesian analysis of generalized elliptical semi-parametric models
【24h】

Bayesian analysis of generalized elliptical semi-parametric models

机译：广义椭圆半参数模型的贝叶斯分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we study the statistical inference based on the Bayesian approach for regression models with the assumption that independent additive errors follow normal, Student-t, slash, contaminated normal, Laplace or symmetric hyperbolic distribution, where both location and dispersion parameters of the response variable distribution include nonparametric additive components approximated by B-splines. This class of models provides a rich set of symmetric distributions for the model error. Some of these distributions have heavier or lighter tails than the normal as well as different levels of kurtosis. In order to draw samples of the posterior distribution of the interest parameters, we propose an efficient Markov Chain Monte Carlo (MCMC) algorithm, which combines Gibbs sampler and Metropolis-Hastings algorithms. The performance of the proposed MCMC algorithm is assessed through simulation experiments. We apply the proposed methodology to a real data set. The proposed methodology is implemented in the R package BayesGESM using the function gesm().
机译：在本文中，我们基于贝叶斯方法对回归模型进行统计推断，并假设独立的加性误差遵循正态分布，Student-t，斜杠，污染正态分布，拉普拉斯分布或对称双曲线分布，其中位置和分散参数响应变量分布包括由B样条近似的非参数加性分量。此类模型为模型误差提供了丰富的对称分布。这些分布中的一些具有比正常以及不同水平的峰度更大或更轻的尾巴。为了绘制兴趣参数的后验分布样本，我们提出了一种有效的马尔可夫链蒙特卡罗（MCMC）算法，该算法结合了Gibbs采样器和Metropolis-Hastings算法。通过仿真实验评估了所提出的MCMC算法的性能。我们将建议的方法应用于实际数据集。使用功能gesm（）在R包BayesGESM中实现了所提出的方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号