論文の概要: Bootstrap validity in Bayesian semi-parametric models

• arxiv url: http://arxiv.org/abs/2608.06670v1
• Date: Fri, 07 Aug 2026 00:34:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.307988
• Title: Bootstrap validity in Bayesian semi-parametric models
• Title（参考訳）: ベイズ半パラメトリックモデルにおけるブートストラップの有効性
• Abstract要約: 複素ニュアンス成分の存在下での低次元対象パラメータに対するベイズ推定について論じる。 我々は、一般に展開されている等連続性の概念を緩和し、良好な頻繁な性質を持つ後続の推論に繋がる枠組みを開発する。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We discuss Bayesian inference on a low-dimensional targeted parameter in the presence of possibly highly complex nuisance components within the semi-parametric inference framework using an estimating function approach. We obtain a posterior distribution using non-parametric Bayesian methods through the Dirichlet process and the Bayesian bootstrap. We relax the commonly deployed notion of stochastic equicontinuity and develop a framework leading to posterior inference with good frequentist properties, specifically we demonstrate that the posterior distribution is asymptotically Normal and concentrates at the true value of the parameter. We emphasize the specific assumptions that are required to obtain these results, and how relaxing any of them alters the conclusions. We verify the analytical results in simulation.
• Abstract（参考訳）: 推定関数アプローチを用いて,半パラメトリックな推論フレームワーク内に,潜在的に複雑なニュアンス成分が存在する場合の,低次元対象パラメータに対するベイズ推定について議論する。 非パラメトリックベイズ法を用いてディリクレ法とベイズブートストラップを用いて後部分布を求める。 確率的等連続性の概念を緩和し、良好な頻繁性を持つ後続推論を導く枠組みを開発し、特に、後続分布が漸近正規であり、パラメータの真値に集中することを実証する。 これらの結果を得るために必要となる特定の仮定を強調し、それらがいかに緩和されたかによって結論が変わります。 解析結果をシミュレーションで検証する。

関連論文リスト

• Bayesian Semiparametric Causal Inference: Targeted Doubly Robust Estimation of Treatment Effects [1.2833734915643464]
  本稿では,平均治療効果(ATE)を推定するための半パラメトリックベイズ手法を提案する。 本手法では,ニュアンス推定によるバイアスを補正するベイズ偏差補正法を提案する。 広範囲なシミュレーションにより理論結果が確認され、正確な点推定と信頼区間が明確化される。
  論文  参考訳（メタデータ） (2025-11-19T22:15:04Z)
• Bayesian Inference for Left-Truncated Log-Logistic Distributions for Time-to-event Data Analysis [0.19999259391104385]
  本稿では,左絡みログロジクス(LTLL)分布のパラメータを推定するためのベイズ的手法を提案する。 特に,左旋回により表面が不規則な場合には,より安定で信頼性の高いパラメータ推定が可能であることを示す。
  論文  参考訳（メタデータ） (2025-06-21T23:10:07Z)
• 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)
• Bayesian Circular Regression with von Mises Quasi-Processes [57.88921637944379]
  本研究では、円値ランダム関数上の表現的および解釈可能な分布の族を探索する。 後部推論のために,高速ギブズサンプリングに寄与するストラトノビッチ様拡張法を導入する。 本研究では,このモデルを用いて風向予測と走行歩行周期のパーセンテージを関節角度の関数として適用する実験を行った。
  論文  参考訳（メタデータ） (2024-06-19T01:57:21Z)
• Robust probabilistic inference via a constrained transport metric [8.85031165304586]
  我々は、パラメトリックな分布の族の近くに集中するように慎重に設計された指数関数的に傾いた経験的確に構築することで、新しい代替手段を提供する。 提案手法は,多種多様なロバストな推論問題に応用し,中心分布に付随するパラメータを推論する。 我々は,最先端の頑健なベイズ推論手法と比較した場合,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-03-17T16:10:06Z)
• Semiparametric inference using fractional posteriors [3.9599054392856483]
  半パラメトリックな不確実性定量化を行うことができるが,その大きさは膨大であることを示す。 さらに、正則性条件下で最適なサイズを持つ効率的な信頼度セットであるイシフテッド・アンド・リスケールされた分数化後続集合を提案する。
  論文  参考訳（メタデータ） (2023-01-19T16:23:36Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Understanding Variational Inference in Function-Space [20.940162027560408]
  この設定で、Kullback-Leiblerの発散を利用する際の利点と制限を強調します。 近似品質を直接測定する関数空間推論手法のベンチマークとしてベイズ線形回帰法を提案する。
  論文  参考訳（メタデータ） (2020-11-18T17:42:01Z)
• Nonparametric Score Estimators [49.42469547970041]
  未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。 正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。 カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
  論文  参考訳（メタデータ） (2020-05-20T15:01:03Z)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)
• Bayesian Deep Learning and a Probabilistic Perspective of Generalization [56.69671152009899]
  ディープアンサンブルはベイズ辺化を近似する有効なメカニズムであることを示す。 また,アトラクションの流域内での辺縁化により,予測分布をさらに改善する関連手法を提案する。
  論文  参考訳（メタデータ） (2020-02-20T15:13:27Z)

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。