多方向入れ子データのBayes共分散構造モデリング【JST・京大機械翻訳】

Baas Stef; Boucherie Richard J.; Fox Jean-Paul

プレプリント

J-GLOBAL ID：202202206097817806 整理番号：22P0279772

多方向入れ子データのBayes共分散構造モデリング【JST・京大機械翻訳】

Bayesian Covariance Structure Modeling of Multi-Way Nested Data

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 (3件)： , ,
資料名：
発行年： 2022年01月25日プレプリントサーバーでの情報更新日： 2022年01月25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)

多方向入れ子データのための構造化共分散行列を有するBayes多変量モデルを提案した。この柔軟なモデリングフレームワークは,クラスタ化された観察の間の正と負の関係を可能にし,ランダム効果によって暗示されたよく知られた依存性構造を一般化する。共分散行列が事後解析の下で正定のままであることを確実にする共分散パラメータに対して,共役シフト逆ガンマを提案した。数値的に効率的なGibbsサンプリング手順を,平衡入れ子設計のために定義し,2つのシミュレーション研究を用いて検証した。トップ層不均衡ネスト設計では,手順には追加のデータ増強ステップが必要である。提案したデータ増強手順は,(切断)単変量正規分布から潜在変数をサンプリングし,構造化共分散行列の逆数の数値計算を回避する。Bayes多変量(線形変換)モデルを,異なるステント(BIO-RESORT)による治療に無作為割付けされた患者3群の間の有害事象の違いを分析するために,2方向ネストインターバル-センソードイベント時間に適用した。構造化共分散行列のパラメータは,処理効果における非観察不均一性を表し,異なる処理効果を検出するために試験した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

統計学 , 信号理論

, ,

前のページに戻る