Foundations of nonparametric Bayes procedures

Summary

Grondslagen van de niet-parametrische Bayesiaanse statistiek
prof.dr. J.H. (Harry) van Zanten (m) 15-11-1972, Hoogeveen, UvA, Wiskunde

Bayesiaanse statistiek wordt op steeds grotere schaal gebruikt in allerlei complexe
statistische problemen met hele grote aantallen onbekenden. Op dit moment is er nog weinig of geen fundamenteel begrip van de mogelijkheden en beperkingen van dit soort statistische procedures. In dit project wordt theorie ontwikkeld die het mogelijk maakt om optimale statistische procedures te ontwerpen en deugdelijke van ondeugdelijke procedures te onderscheiden.

Products

Scientific article

  • F. van dern Meulen, J.H. van Zanten(2013): Consistent nonparametric Bayesian inference for discretely observed scalar diffusions Bernoulli pp. 44 - 63
  • Y. Pokern, A. Stuart, J.H. van Zanten(2013): Posterior consistency via precision operators for Bayesian nonparametric drift estimation in SDEs Stochastic Processes and their Applications pp. 603 - 628
  • B.T. Knapik, A.W. van der Vaart, J.H. van Zanten(2013): Bayesian recovery of the initial condition for the heat equation Comm. Statist. Theory Methods pp. 1294 - 1313
  • B. Szabo, A.W. van der Vaart, J.H. van Zanten(2013): Empirical Bayes scaling of Gaussian priors in the white noise model Electronic Journal of Statistics pp. 991 - 1018
  • J.H. van Zanten(2013): Nonparametric Bayesian methods for one-dimensional diffusion models Mathematical Biosciences pp. 215 - 222
  • M. Schauer, F. van der Meulen, J.H. van Zanten(2014): Reversible jump MCMC for nonparametric drift estimation for diffusion processes Comput. Statist. Data Anal. pp. 615 - 632
  • B. Szabo, A.W. van der Vaart, J.H. van Zanten(2015): Rejoinder to "discussions of ?Frequentist coverage of adaptive nonparametric Bayesian credible sets" Annals of Statistics pp. 1463 - 1470
  • JH van Zanten, A Kirichenko(2015): Optimality of Poisson processes intensity learning with Gaussian processes Journal of Machine Learning Research pp. 2909 - 2919
  • B. Szabo, A.W. van der Vaart, J.H. van Zanten(2015): Honest Bayesian confidence sets for the L2-norm J. Statist. Plann. Inference pp. 36 - 51
  • E. Belitser, P. Serra, J.H. van Zanten(2015): Rate-optimal Bayesian intensity smoothing for inhomogeneous Poisson processes J. Statist. Plann. Inference pp. 24 - 35
  • B. Szabo, A.W. van der Vaart, J.H. van Zanten(2015): Frequentist coverage of adaptive nonparametric Bayesian credible sets Annals of Statistics pp. 1391 - 1428
  • J van Waaij, JH van Zanten(2016): Gaussian process methods for one-dimensional diffusions: optimal rates and adaptation Electronic Journal of Statistics pp. 628 - 645
  • B Szabó, B Knapik, JH van Zanten, AW van der Vaart(2016): Bayes procedures for adaptive inference in nonparametric inverse problems Probability Theory and Related Fields pp. 771 - 813
  • B Szabó, R Nickl(2016): A sharp adaptive confidence ball for self-similar functions Stochastic Processes and their Applications pp. 3913 - 3934

Details

Project number

639.033.110

Main applicant

Prof. dr. J.H. van Zanten

Affiliated with

Universiteit van Amsterdam, Faculteit der Natuurwetenschappen, Wiskunde en Informatica, Korteweg-de Vries Instituut voor de Wiskunde

Team members

J. Hartog MSc, A. Kirichenko, Dr. M.R. Schauer, Dr. B.T. Szabó, J. van Waaij MSc, Prof. dr. J.H. van Zanten

Duration

01/01/2013 to 31/12/2017