具有R-INLA的潜在高斯模型的联合后验推断
摘要：高效的贝叶斯推断在分层模型中仍然具有计算挑战。基于模拟的方法，如马尔科夫链蒙特卡罗方法仍然很受欢迎，但计算成本很高。在处理大类潜在高斯模型时，嵌入在R-INLA software中的INLA方法通过计算确定性混合表示来近似联合后验概率，从中计算边缘概率。INLA方法一直致力于逼近单变量的后验概率。在本文中，我们为为潜在场的子集提供联合逼近的工具奠定了发展基础。这些逼近继承了高斯残差结构，并且还提供了偏度的修正。同样的思想也被应用到从混合表示中抽样，我们现在可以根据偏度进行调整。
作者：Cristian Chiuchiolo, Janet van Niekerk, Haavard Rue
论文ID：2112.02861
分类：Computation
分类简称：stat.CO
提交时间：2021-12-07