CATALOGO DEI PRODOTTI DELLA RICERCA
IRIS è la soluzione IT che facilita la raccolta e la gestione dei dati relativi alle attività e ai prodotti della ricerca. Fornisce a ricercatori, amministratori e valutatori gli strumenti per monitorare i risultati della ricerca, aumentarne la visibilità e allocare in modo efficace le risorse disponibili.
EnglishWe consider Bayesian density estimation using a Pitman-Yor or a normalized inverse-Gaussian process convolution mixture as the prior distribution for a density. The procedure is studied from a frequentist perspective. Using the stick-breaking representation of the Pitman-Yor process or the finite-dimensional distributions of the normalized-inverse Gaussian process, we prove that, when the data are independent replicates from a density with analytic or Sobolev smoothness, the posterior distribution concentrates on shrinking L^p-norm balls around the sampling density at a minimax-optimal rate, up to a logarithmic factor. The resulting hierarchical Bayes procedure, with a fixed prior, is adaptive to the unknown smoothness of the sampling density.
| Titolo: | Adaptive Bayesian Density Estimation in L^p-metrics with Pitman-Yor or Normalized Inverse-Gaussian Process Kernel Mixtures |
| Autori: | Scricciolo, Catia (Corresponding) |
| Data di pubblicazione: | 2014 |
| Rivista: | |
| Handle: | http://hdl.handle.net/11562/927895 |
| Appare nelle tipologie: | 01.01 Articolo in Rivista |
File in questo prodotto:
http://hdl.handle.net/11562/927895
Copyright © 2021