論文の概要: Quasi-Bayes empirical Bayes: a sequential approach to the Poisson compound decision problem
- arxiv url: http://arxiv.org/abs/2411.07651v1
- Date: Tue, 12 Nov 2024 09:04:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:20:59.163601
- Title: Quasi-Bayes empirical Bayes: a sequential approach to the Poisson compound decision problem
- Title(参考訳): 準ベイズ経験的ベイズ:ポアソン複式決定問題への逐次的アプローチ
- Authors: Stefano Favaro, Sandra Fortini,
- Abstract要約: ストリーミングやオンラインドメインにおけるPoissonの複合決定問題について検討する。
準ベイズ的アプローチを頼りに、シーケンシャルなポアソンの平均推定値を得る。
- 参考スコア(独自算出の注目度): 7.10052009802944
- License:
- Abstract: The Poisson compound decision problem is a classical problem in statistics, for which parametric and nonparametric empirical Bayes methodologies are available to estimate the Poisson's means in static or batch domains. In this paper, we consider the Poisson compound decision problem in a streaming or online domain. By relying on a quasi-Bayesian approach, often referred to as Newton's algorithm, we obtain sequential Poisson's mean estimates that are of easy evaluation, computationally efficient and with a constant computational cost as data increase, which is desirable for streaming data. Large sample asymptotic properties of the proposed estimates are investigated, also providing frequentist guarantees in terms of a regret analysis. We validate empirically our methodology, both on synthetic and real data, comparing against the most popular alternatives.
- Abstract(参考訳): ポアソン複式決定問題は統計学における古典的な問題であり、静的またはバッチ領域におけるポアソンの手段を推定するためにパラメトリックおよび非パラメトリックなベイズ法が利用できる。
本稿では,ストリーミングやオンラインドメインにおけるPoisson複合決定問題について考察する。
準ベイズ的アプローチ(しばしばニュートンのアルゴリズムと呼ばれる)を頼りにすることで、連続的なポアソンの平均推定値を得る。
提案した推定値の大規模なサンプル漸近特性について検討し, 後悔解析の観点からの頻繁な保証も提供する。
合成データと実データの両方を用いて、我々の方法論を実証的に検証し、最も一般的な方法と比較する。
関連論文リスト
- In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。
実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
論文 参考訳(メタデータ) (2025-02-17T10:00:24Z) - A sparse PAC-Bayesian approach for high-dimensional quantile prediction [0.0]
本稿では,高次元量子化予測のための確率論的機械学習手法を提案する。
擬似ベイズ的フレームワークとスケールした学生tとランゲヴィン・モンテカルロを併用して効率的な計算を行う。
その効果はシミュレーションや実世界のデータを通じて検証され、そこでは確立された頻繁な手法やベイズ的手法と競合する。
論文 参考訳(メタデータ) (2024-09-03T08:01:01Z) - Quasi-Bayesian sequential deconvolution [7.10052009802944]
ストリーミングやオンラインドメインで$f$を見積もるための、原則化されたシーケンシャルなアプローチを開発します。
局所的および一様ガウス中心極限定理は$f_n$に対して成立し、信頼できる区間とバンドを$f$とする。
本手法の実証的検証は, 合成データと実データを用いて行う。
論文 参考訳(メタデータ) (2024-08-26T16:40:04Z) - Learning Generalization and Regularization of Nonhomogeneous Temporal Poisson Processes [0.0]
学習一般化問題として,有限および限られたデータからNHPPを推定する問題を定式化する。
NHPPを推定するためには結合法が不可欠であるが,データ量に制限がある場合には過度に適合する恐れがあることが示されている。
本稿では,2つの新しい適応型およびデータ駆動型ビンニング手法を用いたNHPPの正規化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-02-20T08:27:50Z) - Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。
これらの結果はサンプル状態と有限状態の両方で定式化する。
論文 参考訳(メタデータ) (2022-10-03T06:09:01Z) - Heavy-tailed Streaming Statistical Estimation [58.70341336199497]
ストリーミング$p$のサンプルから重み付き統計推定の課題を考察する。
そこで我々は,傾きの雑音に対して,よりニュアンスな条件下での傾きの傾きの低下を設計し,より詳細な解析を行う。
論文 参考訳(メタデータ) (2021-08-25T21:30:27Z) - Quantifying Uncertainty in Deep Spatiotemporal Forecasting [67.77102283276409]
本稿では,正規格子法とグラフ法という2種類の予測問題について述べる。
我々はベイジアンおよび頻繁な視点からUQ法を解析し、統計的決定理論を通じて統一的な枠組みを提示する。
実際の道路ネットワークのトラフィック、疫病、空気質予測タスクに関する広範な実験を通じて、異なるUQ手法の統計計算トレードオフを明らかにする。
論文 参考訳(メタデータ) (2021-05-25T14:35:46Z) - Instability, Computational Efficiency and Statistical Accuracy [101.32305022521024]
我々は,人口レベルでのアルゴリズムの決定論的収束率と,$n$サンプルに基づく経験的対象に適用した場合の(不安定性)の間の相互作用に基づいて,統計的精度を得るフレームワークを開発する。
本稿では,ガウス混合推定,非線形回帰モデル,情報的非応答モデルなど,いくつかの具体的なモデルに対する一般結果の応用について述べる。
論文 参考訳(メタデータ) (2020-05-22T22:30:52Z) - Optimal Distributed Subsampling for Maximum Quasi-Likelihood Estimators
with Massive Data [20.79270369203348]
既存の手法は主に高い計算効率のために置換されたサブサンプリングに焦点を当てている。
まず,準類似度推定の文脈で最適なサブサンプリング確率を導出する。
我々は,分散サブサンプリングフレームワークを開発し,全データの小さなパーティションで統計を同時に計算する。
論文 参考訳(メタデータ) (2020-05-21T02:46:56Z) - A Robust Functional EM Algorithm for Incomplete Panel Count Data [66.07942227228014]
完全無作為な仮定(MCAR)の下での数え上げ過程の平均関数を推定する機能的EMアルゴリズムを提案する。
提案アルゴリズムは、いくつかの一般的なパネル数推定手法をラップし、不完全数にシームレスに対処し、ポアソン過程の仮定の誤特定に頑健である。
本稿では, 数値実験による提案アルゴリズムの有用性と喫煙停止データの解析について述べる。
論文 参考訳(メタデータ) (2020-03-02T20:04:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。