• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Statistics and computing >Considerate approaches to constructing summary statistics for ABC model selection
【24h】

Considerate approaches to constructing summary statistics for ABC model selection

机译：为ABC模型选择构建汇总统计的体贴方法

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

For nearly any challenging scientific problem evaluation of the likelihood is problematic if not impossible. Approximate Bayesian computation (ABC) allows us to employ the whole Bayesian formalism to problems where we can use simulations from a model, but cannot evaluate the likelihood directly. When summary statistics of real and simulated data are compared-rather than the data directly-information is lost, unless the summary statistics are sufficient. Sufficient statistics are, however, not common but without them statistical inference in ABC inferences are to be considered with caution. Previously other authors have attempted to combine different statistics in order to construct (approximately) sufficient statistics using search and information heuristics. Here we employ an information-theoretical framework that can be used to construct appropriate (approximately sufficient) statistics by combining different statistics until the loss of information is minimized. We start from a potentially large number of different statistics and choose the smallest set that captures (nearly) the same information as the complete set. We then demonstrate that such sets of statistics can be constructed for both parameter estimation and model selection problems, and we apply our approach to a range of illustrative and real-world model selection problems.
机译：对于几乎所有具有挑战性的科学问题，即使不是不可能，对可能性的评估也是有问题的。近似贝叶斯计算（ABC）使我们可以将整个贝叶斯形式主义用于问题，在这些问题中我们可以使用模型的模拟，但不能直接评估可能性。当比较真实数据和模拟数据的摘要统计信息时，除非摘要统计信息足够，否则不会丢失直接信息。然而，足够的统计数据并不普遍，但如果没有统计数据，则应谨慎考虑ABC推断中的统计推断。以前，其他作者已经尝试合并不同的统计信息，以便使用搜索和信息启发法构建（大约）足够的统计信息。在这里，我们采用了一种信息理论框架，该框架可以通过组合不同的统计信息来构建适当的（大约足够的）统计信息，直到信息损失最小为止。我们从大量潜在的不同统计信息开始，选择最小的集合（几乎）捕获与整个集合相同的信息。然后，我们证明可以为参数估计和模型选择问题构建此类统计信息，并将我们的方法应用于一系列说明性模型和实际模型选择问题。

著录项

  • 来源
    《Statistics and computing》 |2012年第6期|p.1181-1197|共17页
  • 作者

    Chris P. Barnes; Sarah Filippi; Michael P.H. Stumpf; Thomas Thorne;

  • 作者单位

    Centre for Integrative Systems Biology and Bioinformatics, Imperial College London, London SW7 2AZ, UK;

    Centre for Integrative Systems Biology and Bioinformatics, Imperial College London, London SW7 2AZ, UK;

    Centre for Integrative Systems Biology and Bioinformatics, Imperial College London, London SW7 2AZ, UK;

    Centre for Integrative Systems Biology and Bioinformatics, Imperial College London, London SW7 2AZ, UK;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

    information theory; model choice; model evidence;

    机译：信息论型号选择;模型证据;

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