Bayesian influence analysis: a geometric approach.
Bayesian influence analysis: a geometric approach.
复制标题
DOI：
10.1093/biomet/asr009
复制
发表时间：
2011-06
期刊：
影响因子：
2.7
通讯作者：
Tang N
中科院分区：
文献类型：
--
作者：
Zhu H;Ibrahim JG;Tang N
本文的目的是开发一个贝叶斯影响分析的一般框架，用于评估对一类统计模型的数据，先验和抽样分布的各种扰动方案。我们引入了一个微扰模型来描述这些不同的微扰方案。我们开发了一个几何框架，称为贝叶斯微扰流形，并使用其相关的几何量，包括度量张量和测地线来表征微扰模型的内在结构。在贝叶斯摄动流形的基础上，提出了内在影响测度和局部影响测度，以量化各种摄动对统计模型的影响。研究了理论和数值实例，以突出该局部影响方法在正式贝叶斯分析中的广泛应用。
The aim of this paper is to develop a general framework of Bayesian influence analysis for assessing various perturbation schemes to the data, the prior and the sampling distribution for a class of statistical models. We introduce a perturbation model to characterize these various perturbation schemes. We develop a geometric framework, called the Bayesian perturbation manifold, and use its associated geometric quantities including the metric tensor and geodesic to characterize the intrinsic structure of the perturbation model. We develop intrinsic influence measures and local influence measures based on the Bayesian perturbation manifold to quantify the effect of various perturbations to statistical models. Theoretical and numerical examples are examined to highlight the broad spectrum of applications of this local influence method in a formal Bayesian analysis.
登录
查看更多内容
DOI：
10.1111/j.1467-9868.2005.00512.x
发表时间：
2005-09-01
影响因子：
5.8
作者：
Copas, J;Eguchi, S
通讯作者：
Eguchi, S
DOI：
10.2307/3315445
发表时间：
1995-06-01
影响因子：
0.6
作者：
PENG, FC;DEY, DK
通讯作者：
DEY, DK
影响因子：
2.7
作者：
PENA, D;GUTTMAN, I
通讯作者：
GUTTMAN, I
影响因子：
3.7
作者：
MCCULLOCH, RE
通讯作者：
MCCULLOCH, RE
影响因子：
1
作者：
FRIEDRICH, T
通讯作者：
FRIEDRICH, T