BayesMultiMode: Bayesian Mode Inference in R

Nalan Baştürk

doi:10.18637/jss.v116.i03

BayesMultiMode: Bayesian Mode Inference in R

2026-05-01

0

PRE

AI

Lennart F. Hoogerheide

DOI：10.18637/jss.v116.i03

原文链接

原文求助

摘要

En 中文

多模态单变量分布在许多领域（如天体物理学、生物信息学、气候学和经济学）中出现，这是由于基础群体的异质性。混合过程是此类分布及其隐含众数检测的精确近似的一种常用工具。通过使用贝叶斯单变量混合模型和方法，Bayes-MultiMo de 估计了众数数量的后验概率、其位置和不确定性，从而为众数推断提供了一个强大的工具。该方法遵循 Cross, Hoogerheide, Labonne 和 Van Dijk (2024) 的研究，并分两个阶段进行。首先，使用 Malsiner-Walli, Fruhwirth-Schnatter 和 Gruen (2016) 提出的贝叶斯马尔可夫链蒙特卡罗（MCMC）方法，估计具有未知组分数量的灵活混合分布。其次，采用合适的检测算法来估计连续和离散概率分布的众数。在这些众数估计的基础上，构建了众数数量、位置和不确定性的后验概率。BayesMultiMo de 支持多种混合过程，补充并扩展了现有的混合建模软件。BayesMultiMo de 中实现的众数检测算法还支持由外部软件生成的混合估计的 MCMC 抽样。该软件包使用来自所列四个领域的连续和离散经验分布进行说明性目的，从而在频率检验未能拒绝单峰假设的情况下，实现可靠的多众数检测，并具有显著的后验概率。

Keyword:

multimodality

univariate mixture distributions

Bayesian estimation

sparse finite mixtures

R

BayesMultiMode: Bayesian Mode Inference in R

摘要

期刊

机构