.png){kind=icon}
返回
Exact Bayesian Geostatistics Under Preferential Sampling
.png){kind=icon}
PRE
AI
DOI：10.1214/24-BA1460.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
偏好采样是地统计学中的一种常见特征，当采样位置基于对研究现象的信息时发生。在这种情况下，点模式模型通常用作位置分布的概率法则。然而，点过程似然的解析不可解性阻碍了其直接计算。许多贝叶斯（和非贝叶斯）方法在非参数模型规范中通过近似来处理这一困难，既对模型进行近似，也对进行推断所需计算进行近似。近似模型的程序会导致难以量化的误差，并可能导致有偏推断。本文提出了一种在不需模型近似的情况下进行精确贝叶斯推断的方法。提出对传统模型进行一个定性上的微小改变以规避似然不可解性。这一改变使得可以使用增广模型策略。关于点模式模型的贝叶斯推断的最新工作可以适应地统计学设置，并为所提出方法论的精确推断提供计算上的可行性。模型参数的估计和未采样位置响应的预测可以从联合后验分布中获得。模拟研究显示，所提出的模型在多种场景下的估计和预测具有良好的质量。该方法在模拟和真实数据集的分析中得到了说明，并且与基于近似的方法相比表现出色。本文以对所提出方法论的扩展和改进的评论作为总结。
Keyword:
Bayesian inference
data augmentation
geostatistics
point process
prediction
preferential sampling
