Nonparametric Bayes local partition models for random effects.
Nonparametric Bayes local partition models for random effects.
复制标题
DOI：
10.1093/biomet/asp021
复制
发表时间：
2009
期刊：
影响因子：
2.7
通讯作者：
Dunson DB
中科院分区：
文献类型：
--
作者：
Dunson DB
本文主要研究贝叶斯分层模型中未知随机效应分布的先验选择问题。其目标是通过允许信息的全局和局部借用相结合来获得稀疏表示。提出了一种局部划分过程先验方法，引入依赖局部聚类。主题可以针对其参数的子集被聚在一起，并且随着参数的增加，人们可以越来越多地了解主题之间的相似性。描述了一些基本性质，包括边缘聚类概率和条件聚类概率的简单两参数表达式。提出了一种切片采样器，该采样器在进行后验计算时不需要近似可数无穷大的随机测量。用仿真实例说明了这些方法，并对激素轨迹数据进行了应用。
This paper focuses on the problem of choosing a prior for an unknown random effects distribution within a Bayesian hierarchical model. The goal is to obtain a sparse representation by allowing a combination of global and local borrowing of information. A local partition process prior is proposed, which induces dependent local clustering. Subjects can be clustered together for a subset of their parameters, and one learns about similarities between subjects increasingly as parameters are added. Some basic properties are described, including simple two-parameter expressions for marginal and conditional clustering probabilities. A slice sampler is developed which bypasses the need to approximate the countably infinite random measure in performing posterior computation. The methods are illustrated using simulation examples, and an application to hormone trajectory data.
登录
查看更多内容
影响因子：
2.7
作者：
Bush, CA;MacEachern, SN
通讯作者：
MacEachern, SN
DOI：
10.1198/016214505000000187
发表时间：
2006-03-01
影响因子：
3.7
作者：
Heard, NA;Holmes, CC;Stephens, DA
通讯作者：
Stephens, DA
DOI：
10.1198/016214501750332758
发表时间：
2001-03-01
影响因子：
3.7
作者：
Ishwaran, H;James, LF
通讯作者：
James, LF
影响因子：
4.5
作者：
FERGUSON, TS
通讯作者：
FERGUSON, TS
DOI：
10.1198/016214504000000205
发表时间：
2004-03-01
影响因子：
3.7
作者：
De Iorio, M;Müller, P;MacEachern, SN
通讯作者：
MacEachern, SN