首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  免费   1篇
数学   9篇
  2023年   1篇
  2022年   1篇
  2019年   1篇
  2018年   1篇
  2017年   2篇
  2015年   1篇
  2011年   1篇
  2001年   1篇
排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
二代测序数据的持续增多以及全基因组关联分析存在着只关注常见变异对表型影响的缺陷,使得研究人员开始考虑罕见变异对表型表达的影响。近年来,涉及罕见变异关联分析的统计方法研究成为一个活跃的领域,大批统计检验方法被相继提出。然而,大多数方法没有得到全面详细的比较和分析。因此,缺乏对现有方法的评价以及对它们如何使用的指导。本文对该领域的一些具有代表性的方法做一全面的综述,并介绍一些最新的研究进展。  相似文献   
2.
夏业茂 《应用数学》2019,32(1):81-93
两部分回归模型在刻画半连续型数据的概率发生机制具有重要作用.本文将经典的两部分回归模型推广到两部分有限混合模型,通过假定多条回归直线的混合来解释分布的不齐一性.在贝叶斯框架内,运用马尔可夫链蒙特卡洛(MCMC)方法来进行后验分析.Polya-Gamma先验被用来对logistic模型进行拟合,同时,Stick-breaking先验用于随机权.这些有助于加速后验抽样.本文对可卡因数据展开实证分析.  相似文献   
3.
本对带有的约束条件的约性模型方差扩大模型的假检测问题给出了Score检验统计量,指出两个主要的结果。  相似文献   
4.
夏业茂  陈宣 《应用数学》2017,30(2):457-468
隐马尔可夫因子模型在刻画多元纵向数据的关联性和异质性具有重要作用.在实际应用中,观测数据往往呈现缺失数据.本文在纵向框架内,对缺失的数据提出了一个建模.使用一个多项模型去拟合缺失数据指标,并提出用一系列一维条件分布的联合分布来建模.每个一维条件分布不仅取决于当前变量的观测值,而且也糅合以前的观测值和丢失的信息.在贝叶斯框架内,马尔可夫链蒙特卡罗方法用于实现后验分析.带有Metropolis-Hastings算法的Gibbs采样器被用来从相关的满条件分布中抽取随机样本.后验推断基于这些模拟观测值进行展开.我们进行了模拟研究.实证结果表明,所提出的方法在模型是正确指定时是十分有效的,而且对模型偏移也具有一定的稳健性.  相似文献   
5.
半连续数据在经济和社会科学调查中普遍存在.在分析该类数据时,经典两部分回归模型经常被用来刻画协变量对响应变量可变性的影响.然而,包含协变量并不能完全解释响应变量的可变性.忽略未被观测的数据异质性将导致方差的剧烈波动.在本文中,我们将两部分回归模型推广到两部分因子分析模型.多变量半连续数据未观测的异质性由潜在因子部分来解释.此外,通过引入潜在性因子,多重变量间的相依性也以线性组合方式通过共享因子变量得到刻画.在贝叶斯框架内,我们运用马尔可夫链蒙特卡洛(MCMC)方法来进行后验分析.GIBBS采样器被用于从后验分布中抽取样本.基于模拟的随机样本,未知参数估计和模型评价等统计推断问题获得解决.随机模拟和可卡因使用数据分析等实证结果显示了该方法的有效性和实用性.  相似文献   
6.
潜变量模型是一种广泛应用于表征多个观察变量之间相关性的统计方法.在刻画多重分类数据关联性方面,这类模型通常假定每个分类变量都与一个潜在连续变量或向量相联系,通过潜变量或向量在窗口部分的观察值来确定分类变量的值,从而达到对类别界定.然而该方法存在一个弱点:观察似然或模型存在确定性问题.模型缺乏识别性必然会对估计构成影响.本文对带有多重二分、有序和/或无序分数据的潜变量模型的模型识别问题,提出一种基于模型的识别方法,给出了一些有用的结果,特别是在建立因子分析模型和/或结构方程模型解释多重响应变量之间的相关性时.这些条件利用模型结构并保持了不同类型参数的相互分离性,这从理论和应用角度来看都较为方便.  相似文献   
7.
因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.  相似文献   
8.
均值方差模型广泛应用于行为、教育、医学、社会和心理学的研究.经典的极大似然估计对于异常点和分布扰动易受影响.本文基于目标函数最小化给出稳健估计,并基于稳健偏差提出模型拟合.  相似文献   
9.
两部分潜变量模型是一种被广泛用于探索半连续数据中不可观测异质性的统计方法.文章对两部分潜变量建立变分贝叶斯推断程序.相比于马尔可夫链蒙特卡洛(MCMC)抽样方法,变分贝叶斯方法具有计算速度快、可提供确定性解等优点.利用Logistic模型一个随机表示,构造了一个适当的变分分布族来近似后验.变分分布通过坐标上升变分算法获得;给出了变分参数的更新计划,建立了变量选择和模型评价贝叶斯程序.经验结果展示了该方法的有效性和实用价值.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号