Polynomial time guarantees for sampling based posterior inference in high-dimensional generalised linear models
Annales de l'Institut Henri Poincaré, Probabilités et Statistiques · 01.11.2026 · 62 (4) · 2247-2285
DOI: 10.1214/25-aihp1585 ↗Kurz gefasst
Fachartikel in der Zeitschrift Annales de l'Institut Henri Poincaré, Probabilités et Statistiques, erschienen am 01.11.2026. Verfasst von Randolf Altmeyer. Die Arbeit nennt 71 Literaturangaben.
Abstract (Originalsprache)
Le problème du calcul des fonctionnelles posteriori dans les modèles statistiques généraux de grande dimension avec éventuellement des fonctions de vraisemblance non log-concaves est considéré. Sur la base de la stratégie de preuve de (J. Eur. Math. Soc. 26 (2022) 1031–1112), mais en utilisant uniquement des conditions de vraisemblance locales et sans s’appuyer sur la théorie de la M-estimation, des garanties statistiques et de calcul nonasymptotiques sont fournies pour les algorithmes MCMC basés sur le gradient. Avec un initialiseur approprié, ces garanties évoluent de manière polynomiale en quantités algorithmiques clés. Les résultats abstraits sont appliqués à plusieurs modèles statistiques concrets, y compris l’estimation de la densité, la régression nonparamétrique avec des modèles linéaires généralisés et un problème inverse statistique non linéaire canonique à partir d’EDP.
Zitieren
APA
Altmeyer, R. (2026). Polynomial time guarantees for sampling based posterior inference in high-dimensional generalised linear models. Annales de l'Institut Henri Poincaré, Probabilités et Statistiques, 62(4), 2247-2285. https://doi.org/10.1214/25-aihp1585
Vancouver
Altmeyer R. Polynomial time guarantees for sampling based posterior inference in high-dimensional generalised linear models. Annales de l'Institut Henri Poincaré, Probabilités et Statistiques. 2026;62(4):2247-2285. doi:10.1214/25-aihp1585
BibTeX
@article{Altmeyer2026,
author = {Altmeyer, Randolf},
title = {Polynomial time guarantees for sampling based posterior inference in high-dimensional generalised linear models},
journal = {Annales de l'Institut Henri Poincaré, Probabilités et Statistiques},
year = {2026},
volume = {62},
number = {4},
pages = {2247--2285},
doi = {10.1214/25-aihp1585}
}
EUVIMED