从带有选择偏差的多个不确定观测中提取分布参数

Sep, 2018

Extracting distribution parameters from multiple uncertain observations with selection biases

Ilya Mandel, Will M. Farr, Jonathan R. Gair

TL;DR提出了一种贝叶斯框架，用于将选择效应纳入人口分析中，并展示了如何从一个样本中提取基础分布的参数。演示了该框架的性能，从引力波天体物理学的例子中证明合并紧凑物体二元的质量比分布可以从具有实质性测量不确定性的 Malmquist 偏差观测中提取。

Abstract

We derive a bayesian framework for incorporating selection effects into population analyses. We allow for both →

发现论文，激发创造

本章介绍了一种用于分析紧密联星天体分布的统计学工具：在选择效应存在的情况下进行分层贝叶斯推断。该方法适用于各学科的研究者和研究生，本章从第一原理出发给出了该方法的所有关键方程，并给出了两个复杂度不断增加的应用实例。

Jul, 2020

本文主要介绍贝叶斯推理的层次模型和超参数，为包括初学者和资深人士在内的广泛观众提供有用的见解，并从引力波天文学领域进行案例说明。全文涵盖了似然函数、先验、后验、贝叶斯证据、贝叶斯因子、资料比等内容及其应用，最后将形式主义泛化为讨论超参数和层次模型并提供相关附录。

Sep, 2018

描述了一种贝叶斯方法来考虑天文数据中的测量误差，并将其应用于研究放射性星系的 X 射线谱斜率与 Eddington 比之间的关系，该方法基于导出测量数据的似然函数，并以高斯混合模型为基础进行泛化。

May, 2007

提出分析方法，用于估计拟合分布中的误差。该方法适用于估计天体物理问题的不确定性，例如，挑战是当分布函数具有特定形式时以及提供了诸如变量的极化率等方面的解决方法。

Jun, 1994

本文提出了一个不同于传统贝叶斯不确定性量化的观点，着重于缺失观测值作为统计不确定性的来源，并引入了一种基于鞅的后验分布，避免了从先验到后验再到预测分布的复杂计算过程。

Mar, 2021

通过分层推理，采用参数模型表征引力波信号发射的致密双星种群，考虑个体参数、质量选择效应和探测器噪音所带来的候选事件偏差，从而尽可能多地提取宇宙起源可能性相对较小的事件信息。

Sep, 2018

扩展高斯混合模型及 EM 技术，推广至带有不确定性协方差及缺失数据属性的数据点集，使用共轭先验和分离合并算法避免局部最优解，应用于 Hipparcos 卫星测量的二维星速数据，推断星体三维速度分布的算法。

May, 2009

本研究提出了一种基于后验模拟的隐式模型先验和神经网络的元均账后验推断方法，用于系统地选择模型组件以及实现参数推断。研究表明此方法对于发现数据一致的模型配置，估计参数以及识别非可识别模型组件等方面能够提供有力的工具，有效地促进了数据驱动模型的复杂性建造与推断。

May, 2023

通过数据集成、反事实计算和因果推断方法，我们的研究对于解决具有选择偏差的数据集以及多个数据集之间的整合问题提出了有效的解决方案。

Jul, 2023

本文介绍了用于小型双星信号贝叶斯参数估计的 LALInference 软件库，并展示其在三个不同的双星系统上的实际效果。

Sep, 2014