权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ガンマ・ポアソンモデルに基づく推測手法の改良

基于伽马-泊松模型估计方法的改进

基本信息

批准号：
20J10427
负责人：
羽村靖之
金额：
$ 1.47万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-24 至 2022-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J10427/
关键词：
ガンマ・ポアソンモデル

项目摘要

第０１年目には、カウントデータのために極めて裾の厚い分布のクラスを用いて global-local 縮小事前分布を構成する論文が、査読付き国際学術誌である Bayesian Analysis に受理された。本年度は、このクラスを拡張して得られる分布のクラスを用いて、ゼロ過剰と大きな外れ値の両方に対して頑健なベイズ分析の手法を構成する研究に取り組んだ。この研究の重要な特徴として、カウントデータを共変量で説明する回帰モデルの誤差分布を定める際に、今回新たに提案する分布のクラスを用いるという点が挙げられる。誤差分布の裾が十分に厚いために、回帰係数の事後分布全体に関する posterior robustness が理論的に保証される。一般に裾が厚いとされている通常の t 分布等の分布を用いるだけでは、今回の枠組みにおける posterior robustness を達成するためには不十分であるということも明らかにされている。また、分布のクラスを拡張したため、原点付近での密度を大きくすることができるようになっている。この結果、共変量とは無関係の、ゼロ過剰としての観測値によって引き起こされるような、回帰係数の事後分析の歪みが軽減されることが期待される。さらに、本研究においても、実際上重要な効率的な MCMC の方法を提案し、シミュレーション実験と実データの分析を行っている。集計値が公表されるようなデータを補助情報としたポアソン分布の母数の同時推定に関する研究を開始した。この研究は、利用可能な補助データをどのように有効活用できるかという応用上の意味を持つ。また、予測密度推定、様々な損失関数、点予測、不均一な設定、表に関する同時推定、等の、様々な方向への拡張が考えられる。

The 01st year of the year, the には、カウントデータのために extremely めて裾の thick い distribution のクラスを用いて global-local Reduce the ex ante distribution of the composition of the paper, check the results of the International Academic Journal, Bayesian Analysis, accept the application. This year's は、このクラスを拡张して got the られる distribution and the のクラスを used the いて、ゼロ高剰と大きな外れ値の両方に対して stubborn Kenなベイズanalytical techniqueを constitutedするresearchにtakeりgroupんだ.このResearchのimportantな特徴として、カウントデータを同変quantificationでする回帰モデルのError Distribution of the new proposal, distribution of the new proposal, distribution of the distribution and use of the distribution of the points. The error distribution is very thick, and the regression coefficient is the posterior distribution of the overall distribution. The posterior robustness is the guarantee of the theory. General に裾が thick いとされているusually のt distribution and other のdistribution を Use いるだけでは, this return の枠组みにおける posterior robustnessをachieved するためにはnot very であるということも明らかにされている.また, distribution のクラスを拡张したため, origin close でのdensity を大きくすることができるようになっている.このresult, total value, no relationship, ゼロpassing, としての観measurement, によってinducingき出こされるような、Post hoc analysis of the regression coefficientのskewみが軽 minus されることがLooking forward to される.さらに、This study is based on においても、Efficiency is actually important in MCMCのmethodをproposalし、シミュレーション実験と実データのANALYSISを行っている. The collection of the public table of the public information and the subsidy information of the distribution of the data are estimated at the same time and the research of the pass is started.このResearchは、Utilization possibilityなsubsidizeデータをどのようにeffective utilizationできるかという応Use the meaningをholdつ.また, predicted density estimation, 様々なloss level, point prediction, non-uniform な setting, table に Off するsimultaneous estimation, etc.の, 様々な direction への拡张が考えられる.