Institute of Statistical Mathematics, Tokyo, Japan
12/08/2026
McLatchie, Cherief-Abdellatif, Frazier & Knoblauch (2026) Predictively Oriented Posterior (preprint)
誤特定があるとき,大標本極限でも posterior distribution が一点に収束してほしくない.Predictively Oriented Posterior は予測性能から事後分布を再定義し,最適なモデル平均と誤指定を反映した不確実性を両立させる.応用として Shen et al. (2025) のベイズ逆問題と Lai et al. (2026) の探索的な使い方を取り上げる.
Plummer (2015) Cuts in Bayesian Graphical Models (Statistics & Computing)
信用できない変数からの影響を ‘cut’ するというモデリング手法が主題.prediction-powered inference やパネルデータからの因果推論への応用も出来そうだが,doubly intractability という計算上の困難を引き起こす.Liu and Goudie (2021) が有望な解決か?極めて面白い応用が Battaglia et al. (2025) で,疫学モデルに加えて,中世英語の方言分布と文献成立地の同時推定を扱う.
COVID-19 のような株価の変動だけでなく業種間の依存構造そのものを一変させる市場ショックを,動的なグラフィカルモデルをベイズ推定し,変化点検知を行う. 「パンデミックによって流通・小売業が産業横断的な位置を占めるようになった」というような描像が自信度付きで見えてくる. 計算上の困難(特に Wishart 分布の正規化定数の高速な近似)を極めて緻密な MCMC で解いて科学的結論を引き出す.手法の基礎として van den Boom et al. (2022) を扱う.
柔軟な動的因子モデルを観察データにフィッティングし,処置前のデータの外挿と処置後のデータとの差で因果効果の識別を狙う. 複数のアウトカムを同時にモデリングするベイズでやったことで因果効果を検出しやすくなったことも報告している. これも独特の計算上の問題を作りだし,これを simplified manifold MALA というアルゴリズムで解く.手法の深掘りとして Vu et al. (2026) を扱う.

TBA