Bayesian Nonparametric Inference for "Species-Sampling" Problems

doi:10.1214/24-sts961

2026-05-01

PRE

Cecilia Balocchi *

Stefano Favaro

Zacharie Naulet

DOI：10.1214/24-sts961

原文链接

原文求助

摘要

En 中文

给定来自物种群体的观测样本，“物种抽样”问题（SSP）要求估计来自同一群体中未知物种组成的额外不可观测样本的某些特征。在过去三十年中，SSP中关于估计覆盖概率、未观测物种数量和流行率覆盖度的问题，已成为众多方法论和应用工作的主题，主要在生物科学领域，但也涉及统计机器学习、电气工程、理论计算机科学、信息理论和法医统计学。本文重点讨论这些流行的SSP问题，并概述了在Pitman-Yor过程（PYP）先验下的贝叶斯非参数（BNP）分析。在回顾文献的同时，我们通过建立基于简单复合二项分布和超几何分布的新型后验表示，改进了现有后验推断的计算和可解释性，这些推断通常通过复杂的组合数表达。我们还考虑了估计PYP先验的折扣和尺度参数的问题，展示了在分层贝叶斯和经验贝叶斯方法下估计的贝叶斯一致性性质；即折扣参数可以一致估计，而尺度参数无法一致估计，因此建议在后验推断中谨慎行事。我们通过讨论SSP的一些推广，特别是生物科学领域中的“特征抽样”、共享物种和马尔可夫链类的多个群体问题，来结束本文的工作。

Keyword:

Bayesian nonparametrics

Bayesian consistency

coverage of prevalences

coverage probabilities

empirical Bayes

hierarchi-cal Bayes

Pitman-Yor process prior

"species-sampling" problems

unseen species