统计研究
統計研究
통계연구
Statistical Research
2012年
1期
31~37
,共null页
隐变量 Gibbs抽样 自变量选择 异常点识别 多值序次数据
隱變量 Gibbs抽樣 自變量選擇 異常點識彆 多值序次數據
은변량 Gibbs추양 자변량선택 이상점식별 다치서차수거
Latent Variables; Gibbs Sampling; Variable Selection; Outlier Identification; Ordinal Data
本文基于自变量与异常点识别隐变量的联合Bayes后验概率,给出了自变量与异常点同时识别的一般方法,且利用Gibbs抽样降低了Bayes后验概率的计算复杂度。其次,针对多值序次数据模型自变量与异常点的同时识别展开详细讨论,给出了同时识别的具体过程。最后通过模拟算例展示了本文方法的有效性。
本文基于自變量與異常點識彆隱變量的聯閤Bayes後驗概率,給齣瞭自變量與異常點同時識彆的一般方法,且利用Gibbs抽樣降低瞭Bayes後驗概率的計算複雜度。其次,針對多值序次數據模型自變量與異常點的同時識彆展開詳細討論,給齣瞭同時識彆的具體過程。最後通過模擬算例展示瞭本文方法的有效性。
본문기우자변량여이상점식별은변량적연합Bayes후험개솔,급출료자변량여이상점동시식별적일반방법,차이용Gibbs추양강저료Bayes후험개솔적계산복잡도。기차,침대다치서차수거모형자변량여이상점적동시식별전개상세토론,급출료동시식별적구체과정。최후통과모의산례전시료본문방법적유효성。
This article gives the method of simultaneous variable selection and outlier identification based on the posterior probability of the variable and outlier latent indicator variables, and uses the Gibbs sampling to alleviate the compution of Bayes posterior probability. Secondly, we discuss the method of simultaneous identification for ordinal data model variable and outlier in detail, and give the process of simultaneous identification. Finally, a simulated example is used to show the efficiency of our method.
