混合非参数回归的贝叶斯推断

摘要：

针对混合非参数回归问题,给出了一种基于贝叶斯框架的推断方法.在该方法中对每一个非参数混合成分用一个随机过程的有限维分布族作为先验,同时分别构造混合比例、随机误差的方差和非参数混合成分的贝叶斯估计,并通过马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)法抽样来进行后验推断.数值模拟分别从样本量、同归晰线的相对位置和多分类情况3个角度进行.模拟结果表明,相较于全局期望最大化(global expectation maximalization)算法,混合非参数回归的贝叶斯推断方法能够有效利用先验信息来提高模型的拟合和预测能力.最后将混合非参数回归的贝叶斯推断方法应用于蚜虫与受感染烟草植物的实验,同时解决了数据的聚类与回归拟合问题,其有效性和适用性得证.

关键词：混合回归;非参数回归;贝叶斯估计;有限维分布;MCMC抽样

所属期刊栏目：27

分类号：O212.8(概率论与数理统计)

资助基金：国家自然科学基金11971296

在线出版日期：2022-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：856-865