Get access

A Bayesian nonparametric goodness of fit test for right censored data based on approximate samples from the beta-Stacy process

Authors


Author to whom correspondence may be addressed.

E-mail: zarepour@uottawa.ca

Abstract

In recent years, Bayesian nonparametric statistics has received extraordinary attention. The beta-Stacy process, a generalization of the Dirichlet process, is a fundamental tool in studying Bayesian nonparametric statistics. In this article, we derive a simple, yet efficient, way to simulate the beta-Stacy process. We compare the efficiency of the new approximation to several other well-known approximations, and we demonstrate a significant improvement. Using the Kolmogorov distance and samples from the beta-Stacy process, a Bayesian nonparametric goodness of fit test is proposed. The proposed test is very general in the sense that it can be applied to censored and non-censored observations. Some illustrative examples are included. 41: 466–487; 2013 © 2013 Statistical Society of Canada

Résumé

Au cours des dernières années, la statistique non paramétrique bayésienne a reçu une attention considérable. Le processus bêta-Stacy, une généralisation du processus de Dirichlet, est un outil fondamental dans l’étude de la statistique non paramétrique bayésienne. Dans cet article, les auteurs obtiennent une façon simple et efficace de simuler le processus bêta-Stacy. Ils comparent l'efficacité de la nouvelle approximation à plusieurs autres approximations bien connues et démontrent une amélioration notable. Ils proposent un test d'adéquation non paramétrique bayésien basé sur la distance de Kolmogorov et sur des échantillons provenant du processus bêta-Stacy. Ce test est très général puisqu'il s'applique autant à des observations censurées que non censurées. Des exemples illustrent la méthode proposée. La revue canadienne de statistique 41: 466–487; 2013 © 2013 Société statistique du Canada

Ancillary