• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Estimation, model checking and diagnostics in finite mixture models for point mass data: Methods in a Bayesian framework.
【24h】

Estimation, model checking and diagnostics in finite mixture models for point mass data: Methods in a Bayesian framework.

机译：点质量数据的有限混合模型中的估计，模型检查和诊断：贝叶斯框架中的方法。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this work, we are interested in examining how estimation methods in a Bayesian framework which make use of data augmentation can be applied to data subject to missingness and zero inflation. We are examining these estimation methods in the point mass mixture model, and applying it in the context of assay measurements in which some measurements are censored due to falling below limits of detection, and some measurements represent 'true zero' values which are indistinguishable from the censored measurements. The assay measurements thus are modeled as a partially latent mixture of a degenerate point mass and a censored continuous distribution. Estimation and testing in this data setting is very challenging, and one propose methods to characterize the parameters of the continuous distribution as well as the mixing proportion in the univariate setting. We extend the methods to include modeling of covariate effects in the point mass mixture setting subject to nonignorable missingness and zero-inflation issues. We are examining model identifiability and estimability in the point mass mixture model, and the manner in which weak identifiability affects sampling procedures used in Bayesian inference. We are also developing model checking procedures for this unique model setting to enable checks on parametric assumptions and assessment of quality of fit of the model.
机译：在这项工作中，我们有兴趣研究如何将利用数据扩充的贝叶斯框架中的估计方法应用于缺失和零膨胀的数据。我们正在点混合模型中研究这些估算方法，并将其应用于分析测量中，其中某些测量由于低于检测限而被删失，而某些测量则代表“真零”值，与测量值没有区别。审查的测量。因此，化验测量被建模为退化点质量和被检查的连续分布的部分潜在混合物。在此数据设置中进行估计和测试非常具有挑战性，有人提出了一种方法来表征连续变量的参数以及单变量设置中的混合比例。我们将方法扩展到包括在点质量混合设置中受不可忽略的缺失和零通胀问题影响的协变量效应建模。我们正在研究点质量混合模型中的模型可识别性和可估计性，以及弱可识别性如何影响贝叶斯推理中使用的采样过程的方式。我们也正在为这种独特的模型设置开发模型检查程序，以检查参数假设并评估模型的拟合质量。

著录项

  • 作者

    Lynch, Miranda L.;

  • 作者单位

    University of Rochester.;

  • 授予单位 University of Rochester.;
  • 学科 Statistics.
  • 学位 Ph.D.
  • 年度 2011
  • 页码 162 p.
  • 总页数 162
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号