2022年，我院数据科学系韩子非讲师在国际权威期刊《Scandinavian Journal of Statistics》上发表论文《Approximate Reference Priors for Gaussian Random Fields》。

内容摘要：参考先验在理论上对空间统计数据的分析很有吸引力，因为它们能够实现自动贝叶斯分析并具有理想的贝叶斯和频率学派特性。但是它们的使用受到计算障碍的阻碍，这使得它们在实践中的应用具有挑战性。在这项工作中，我们推导出了一类新的默认先验，它近似于一些高斯随机场参数的参考先验。它基于对从静止随机场的频谱近似得出的协方差参数的积分似然的近似。该先验取决于平均函数的结构和在与辅助规则网格相关的一组光谱点处评估的模型的光谱密度。除了保留理想的贝叶斯和频率特性之外，这些近似参考先验更稳定，并且它们的计算比精确参考先验要少得多。与精确参考先验不同，相关参数的边际近似参考先验始终是正确的，而与均值函数或相关函数的平滑度无关。该属性对协方差模型选择具有重要影响。我们用西班牙加利西亚铅污染数据集说明问题。