بهبود الگوریتم ساختاری مونت کارلوی زنجیر مارکوف در مدل های چند سطحی با متغیر پاسخ نرمال
Publish place: Journal of Statistical sciences، Vol: 4، Issue: 1
Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 95
This Paper With 25 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-4-1_003
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
مدل های چند سطحی در علوم کاربردی شامل علوم اجتماعی، جامعه شناسی، پزشکی و اقتصاد برای تحلیل داده های همبسته مورد استفاده قرار می گیرند. روش های متفاوتی برای برآورد این مدل ها با متغیر پاسخ نرمال وجود دارند. در این مقاله برای به کارگیری روش بیزی از تعمیم الگوریتم مونت کارلوی زنجیر مارکوف استفاده می شود که قالبی ساده داشته و باعث حذف همبستگی بین نمونه های شبیه سازی برای پارامترهای ثابت وخطای منتسب به گروه ها می شود. چون بعد ماتریس کواریانس بردار خطای جدید افزایش می یابد، برای تسریع همگرایی این روش دو راهکار بر مبنای تجزیه چولسکی ماتریس کواریانس پیشنهاد می شود. سپس عملکرداین روش ها در مطالعه شبیه سازی و مثالی کاربردی مورد ارزیابی قرار می گیرد.
Keywords:
Multilevel Data , Random Intercept Models , MCMC Algorithm , Cholesky Decomposition. , داده های چند سطحی , مدل های عرض از مبدا تصادفی , الگوریتم مونت کارلوی زنجیر مارکوف , تجزیه چولسکی.
Authors
عاطفه فرخی
Tarbiat Moadares University
موسی گل علی زاده
Tarbiat Modares University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :