کاربرد توزیع های آمیخته - مقیاس نرمال چند متغیره در برازش مدل های چند سطحی

در بسیاری از تحقیقات کاربردی مدل های چند سطحی چارچوب مناسبی برای مطالعه داده های وابسته که در سطوح مختلف جمع آوری شده اند فراهم می سازند. ما در این مقاله خانواده ای از توزیع های آمیخته-مقیاس نرمال چند متغیره را برای مدل های چند سطحی پیشنهاد می کنیم که نسبت به توزیع نرمال منعطف تر است. مدل پیشنهادی امکان برازش بهتر را وقتی توزیع مشاهدات دم سنگین تر و قله مندتر از نرمال است فراهم می کند. با توجه به آنکه استنباط آماری پارامترها توسط روش حداکثر درستنمایی حاشیه ای منجر به حل انتگرال های پیچیده با ابعاد بالا خواهد شد رهیافت شبیه سازی مونت کارلوی زنجیر مارکوفی را برای برآورد بیزی پارامترهای مدل پیشنهاد می کنیم. از آنجا که کشیدگی توزیع های مختلف عضو این خانواده متفاوت است، مدل چند سطحی را با انواع توزیع هایی از خانواده فوق بر مجموعه ای از داده های واقعی برازش می دهیم. در آخر، توسط معیارهای انتخاب مدل متداول بهترین مدل را که برازنده داده هاست برگزیده ایم.

کاربرد توزیع های آمیخته - مقیاس نرمال چند متغیره در برازش مدل های چند سطحی Keywords:

پسین شرطی کامل , روش مونت کارلوی زنجیر مارکوف , متغیر آمیختگی , مدل های چند سطحی , الگوریتم نمونه گیری گیبز