arrow
返回

Score Matching for Compositional Distributions

delete2022-03-03
delete7
delete
OA
AI
J
Janice L. Scealy *
A
Andrew T. A. Wood
DOI:10.1080/01621459.2021.2016422delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
由于样本空间上的非负性和sum-to-one约束,成分数据的分析具有挑战性。对于真实数据,通常的情况是,许多组成部分是高度右偏的,具有大量的零。用于组成数据的当前可用模型的主要限制包括以下中的一个或多个: 分布形状方面的灵活性不足; 难以在估计中容纳数据中的零; 以及在中等至高维度中缺乏计算可行性。在本文中,我们提出了一种新模型,即多项式倾斜成对相互作用 (PPI) 模型,用于分析成分数据。最大似然估计是PPI模型的难点。相反,我们提出了新颖的分数匹配估计器,这需要将分数匹配方法扩展到具有边界的黎曼流形。这些新的估计器以封闭形式提供,仿真研究表明它们在实践中表现良好。作为我们的主要应用,我们使用多项式潜在变量模型和潜在变量分布的PPI模型来分析具有固定总数的真实微生物组计数数据。我们证明,在某些条件下,新的得分匹配估计量对于新的多项式潜变量模型中的参数是一致的。
Keyword:
Dirichlet distribution
Latent variables
Microbiome data
Multinomial distribution
Parameter estimation
Zeros

期刊

J
Journal of the American Statistical Association
IF:
3
论文数:
5.2K
被引数:
4.8W

机构

A
Australian National University
学者数:
2.1W
论文数: 2.3W
被引数: 3.9W
引用论文

引用论文

Craniofacial reconstructions in children with craniosynostosis
err2022-06-01
err0
errOAAI
errPeter Spazzapan; Miha Kocar; Andreja Eberlinc; Barbara Haber; Tomaz Velnar
err分享
err收藏
err分享
err收藏
学者 查看更多内容