対称ユニモーダル密度のノンパラメトリックBayesデコンボリューション【JST・京大機械翻訳】

Su Ya; Bhattacharya Anirban; Zhang Yan; Chatterjee Nilanjan; Carroll Raymond J.

プレプリント

J-GLOBAL ID：202202202244961980 整理番号：22P0112875

対称ユニモーダル密度のノンパラメトリックBayesデコンボリューション【JST・京大機械翻訳】

Nonparametric Bayesian Deconvolution of a Symmetric Unimodal Density

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年02月17日プレプリントサーバーでの情報更新日： 2020年02月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ヘテロ分散測定誤差と,ゼロと形状制約,特に単峰性に関する対称性を対象とするノンパラメトリック測定誤差密度デコンボリューションを考察した。この問題は,観測データが多重因子に対する回帰から影響サイズを推定するアプリケーションによって動機づけられ,そこでは,ターゲットが真の効果サイズの分布である。対称均一密度の混合物として任意の対称および単峰性密度を表現でき,ガンマ分布のDirichletプロセス位置-混合物を用いて新しい方法における混合密度をモデル化した。Bayes文脈内で計算を行い,サンプルサイズで線形である簡単なスケーラブルな実装を記述し,未知のターゲット密度の推定が一致することを示した。回帰効果サイズの適用状況の中で,ターゲット密度は,重い尾分布(実際の効果)と結合したゼロに近い大きな確率(ほぼゼロ効果)を持つようである。シミュレーションにより,標準デコンボリューション法とは異なり,制約付きBayesデコンボリューション法は,目標密度の再構成の非常に良好なジョブであることを示した。ゲノムワイズ関連研究(GWAS)とマイクロアレイデータへの適用は同様の結果を明らかにした。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

統計学 , 信号理論

, , ,

前のページに戻る