Bayesian identifiability and misclassification in multinomial data
Bayesian identifiability and misclassification in multinomial data
复制标题
多项数据中的贝叶斯可识别性和错误分类
DOI：
--
复制
发表时间：
2004
期刊：
影响因子：
--
通讯作者：
Tae Y. Yang
中科院分区：
文献类型：
--
作者：
T. Swartz;Y. Haitovsky;A. Vexler;Tae Y. Yang
作者认为贝叶斯分析的多项数据存在误分类。多项单元条目的错误分类导致可识别性问题，其被分类为两种类型。第一种类型，称为置换型不可识别性，可以用问题结构所建议的约束来处理。第二类的可识别性问题通过Dirichlet分布与信息丰富的先验信息来解决。计算使用吉布斯采样算法进行。
The authors consider the Bayesian analysis of multinomial data in the presence of misclassification. Misclassification of the multinomial cell entries leads to problems of identifiability which are categorized into two types. The first type, referred to as the permutation‐type nonidentifiabilities, may be handled with constraints that are suggested by the structure of the problem. Problems of identifiability of the second type are addressed with informative prior information via Dirichlet distributions. Computations are carried out using a Gibbs sampling algorithm.
针对种族错误分类调整癌症发病率。
影响因子：
1.9
作者：
Stewart,SL;Swallen,KC;Glaser,SL;Horn-Ross,PL;West,DW
通讯作者：
West,DW