СибНСХБ

Вид поиска

Область поиска

в найденном

Найдено в других БД

Формат представления найденных документов:
библиографическое описание	краткий	полный

Отсортировать найденные документы по:
автору	заглавию	году издания	типу документа

Поисковый запрос: (<.>S=БАЙЕСОВСКИЕ ПОДХОДЫ<.>)

Общее количество найденных документов : 241
Показаны документы с 1 по 20

1-20 21-40 41-60 61-80 81-100 101-120

РЖ ВИНИТИ 34 (BI38) 01.11-04А3.774

George, Edward I.
Calibration and empirical Bayes variable selection [Text] / Edward I. George, Dean P. Foster // Biometrika. - 2000. - Vol. 87, N 4. - P731-747 . - ISSN 0006-3444
Перевод заглавия: Калибровка эмпирического байесовского выбора переменных
Аннотация: Рассматривается станд. проблема выбора переменных (П), когда имеется n наблюдений независимой П Y и p независимых П X = (x[1],...,x[p]), удовлетворяющих линейной модели Y = X'бета' + 'эпсилон', где 'эпсилон' 'ЭКВИВ' N(0,'сигма'{2}I) и 'бета' = ('бета'[1],...,'бета'[p])'. Предполагается, что неизвестное подмножество коэф. регрессии 'бета'[j] равно 0. Проблема выбора переменных (выбора подмножества) состоит в идентификации этого неизвестного подмножества. Общая стратегия такого выбора состоит в построении модели, для к-рой максимизируется критерий штрафной суммы квадратов. Если 'гамма' индексирует соотв. подмножество с q['гамма'] переменными, то типичным критерием будет ss['гамма']/'сигма'{2}-Fq['гамма'], где ss['гамма'] есть Y'Y для оценки соотв. Y методом наименьших квадратов, а в знаменателе стоит оценка дисперсии 'сигма'{2}. Фиксированная константа F характеризует "штраф размерности", различный выбор значений F дает набор применяемых критериев. Предлагается взять значение F = 2log(p). Показано, что подобные критерии соответствуют выбору некоторого гиперпараметра, при к-ром максимизируется апостериорная вероятность. Калибровка с помощью гиперпараметра позволяет произвести упорядочивание моделей, соотв. упорядочиванию по приведенному выше критерию. На основе подобной калибровки предложены эмпирические байесовские критерии выбора, рассматриваются оценки гиперпараметра методами маргинального и условного максимума правдоподобия. Выявлены хорошие св-ва предложенного подхода. США, Dep. of Management Science and Information Systems, The Univ. of Texas at Austin, Austin, TX 78712-1175. E-mail: egeorge@mail.uteas.edu. Ил. 2. Библ. 33

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.09
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ЛИНЕЙНАЯ РЕГРЕССИЯ
ВЫБОР ПЕРЕМЕННЫХ
ПРАВДОПОДОБИЕ
УПОРЯДОЧИВАНИЕ МОДЕЛЕЙ

Доп.точки доступа:
Foster, Dean P.

РЖ ВИНИТИ 34 (BI38) 01.11-04А3.784

Barbieri, Maria Maddalena.
Bayes factors for Fieller's problem [Text] / Maria Maddalena Barbieri, Brunero Liseo, Lea Petrella // Biometrika. - 2000. - Vol. 87, N 3. - P717-723 . - ISSN 0006-3444
Перевод заглавия: Байесовские факторы для задачи Fieiller
Аннотация: Рассматривается проверка нулевой гипотезы, когда выборочное распределение принадлежит некоторому классу. Напр., в задаче Fieller наблюдаются n независимых реплик двух независимых переменных с нормальным распределением с одинаковыми дисперсиями и средними, отличающимися множителем. Задача состоит в проверке нулевой гипотезы равенства множителя некоторому фиксированному значению при альтернативе неравенства. Обсуждаются подходы макс. правдоподобия и частотный. Рассматривается поведение станд. байесовского инструмента для сравнения моделей - байесовского фактора. Показано, что байесовский анализ встречается с трудностями, сходными с появляющимися при частотном подходе. В частности, велика чувствительность к выбору априорного распределения. Исследуются также результаты, получаемые с байесовскими факторами по умолчанию. Основной вклад состоит в выявлении того, что методология байесовских факторов по умолчанию для проверки и выбора модели не только полезна при недостатке информации относительно априорного распределения, но и обеспечивает разумные результаты, когда использование др. подходов затруднительно или невозможно. Италия, Dipartmento di Studi Geoeconomici, Statistici, Storici per l'Analisi regionale, Universita di Roma 'La Sapienza', Via del Castro Laurenziano 9, 00161 Roma. E-mail: marilena@pow2.sta.uniromal.it. Библ. 20

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ПРОВЕРКА ГИПОТЕЗ
БАЙЕСОВСКИЕ ПОДХОДЫ
FIELLER ЗАДАЧА

Доп.точки доступа:
Liseo, Brunero; Petrella, Lea

РЖ ВИНИТИ 34 (BI38) 01.12-04А3.71

Bithell, J. F.
A classification of disease mapping methods [Text] / J. F. Bithell // Statist. Med. - 2000. - Vol. 19, N 17-18. - P2203-2215 . - ISSN 0277-6715
Перевод заглавия: Классификация методов картирования заболеваний
Аннотация: Обзор. Рассматриваются задачи картирования популяционных х-к для последующего анализа пространственных закономерностей их распределения. Синонимы мед. география и геогр. эпидемиология относятся к геогр. распределению заболеваний. Картирование заболеваемости (КЗ) является основным инструментом для описания указанного распределения в пространстве. КЗ является специфической частью картографии. Специфика человеческих популяций в том, что здесь решающую роль играет плотность населения в отличие от тематических карт. Оценивание плотности производится с некоторым сглаживанием, и центральной проблемой является выбор степени сглаживания. Данные о З могут отображаться не только в пространстве, но и во времени. Для этого используются стрелки, указывающие направление распространения З, контуры 1-го достижения заданного уровня по времени с агрегацией по временным интервалам. Для КЗ, где равным площадям соответствуют равные плотности населения, используются картограммы, или изодемографические карты. Они получаются за счет искажения геометрии. Аналитической целью этих высоко иллюстративных построений служит выявление кластеров, однако сами алгоритмические процессы могут вносить смещения. Как и в др. обл. статистики, при КЗ могут использоваться параметрические и непараметрические методы. Данные м. б. собраны по площадям (подсчеты по административным р-нам) или точкам (для множества геогр. координат). Уменьшить выборочные колебания помогает эмпирическое сглаживание. Напр., в каждой точке риск можно вычислять как взвешенное среднее по р-нам внутри заданного расстояния. Веса учитывают расстояния и плотность населения. При использовании геогр. координат (x,y) описание проводится в терминах нормализованных плотности З и плотности распределения населения, отношение к-рых определяет ф-цию относительного риска 'ТЭТА'(x,y). Модели используются для получения предсказаний в каждой точке пространства. Появления заболевания в отдельных точках предполагаются независимыми при условии среднего значения процесса, а характер по точкам соответствует реализации неоднородного процесса Пуассона с интенсивностью, пропорциональной популяционной плотности и относительному риску 'ТЭТА', к-рый можно связывать с причинными факторами. При моделировании данных по площадям применяются байесовские подходы. В предположении априорного распределения производится оценивание параметров, используемых для получения среднего для апостериорного распределения. Описанный подход не принимает во внимание более высокого сходства соседей в силу пространственной автокорреляции геогр. факторов, влияющих на риск. Для их учета используется обобщенная линейная смешанная модель ln('ТЭТА'[i]) = (x[i])''бета' + u[i] + v[i]. Здесь i относится к р-ну, x[i] - вектор ковариат, 'бета' - параметры их эффектов, u[i] моделирует непространственную гетерогенность, а v[i] - пространственную. Великобритания, Dep. of Statistics, Univ. of Oxford, Oxford OX1 3TG. E-mail: bithel@stats.ox.ac.uk. Ил. 4. Библ. 38

ГРНТИ	34.03.23

ВИНИТИ 341.03.23.13.11 + 341.05.23.15 + 341.05.25.09.99
Рубрики: ТЕОРИЯ ПОПУЛЯЦИЙ
ТЕОРИЯ ЭПИДЕМИЙ
БИОМЕТРИЯ
КАРТИРОВАНИЕ ПРОСТРАНСТВЕННЫХ ДАННЫХ
МЕДИЦИНСКАЯ ГЕОГРАФИЯ
ОЦЕНИВАНИЕ
БАЙЕСОВСКИЕ ПОДХОДЫ
ОТНОСИТЕЛЬНЫЕ РИСКИ
ОБЗОРЫ
БИБЛ. 38

РЖ ВИНИТИ 34 (BI38) 01.12-04А3.650

Guo, Xie-E.
Байесовские методы мета-анализа для таблиц 2*2 в клинических испытаниях [Text] / Xie-E. Guo, Yong-Yong Xu, gao-Kui Zhang // Disi junyi daxue xuebao = J. Forth Milit. Med. Univ. - 2000. - Vol. 21, N 6. - С. 679-681 . - ISSN 1000-2790
Аннотация: Исследуется применение байесовских полходов для мета-анализа в указанном случае. Для этого использовался пакет BUGS для численного интегрирования. Примененение иллюстрируется на опубликованном примере. В итоге рекомендуется использование байесовского решения. Оно обладает преимуществами перед др. методами и легко осуществляется прикладными исследователями. Табл. 3. Библ. 5

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
МЕТА-АНАЛИЗ
ТАБЛИЦЫ 2*2
БАЙЕСОВСКИЕ ПОДХОДЫ
КЛИНИЧЕСКИЕ ИСПЫТАНИЯ

Доп.точки доступа:
Xu, Yong-Yong; Zhang, gao-Kui

РЖ ВИНИТИ 34 (BI38) 01.12-04А3.651

O'Hagan, Anthony.
Bayesian cost-effectiveness analysis from clinical trial data [Text] / Anthony O'Hagan, John W. Stevens, Jacques Montmartin // Statist. Med. - 2001. - Vol. 20, N 5. - P733-753 . - ISSN 0277-6715
Перевод заглавия: Байесовский анализ цена - эффективность для данных клинических испытаний
Аннотация: Поле экономических аспектов здравоохранения неуклонно расширяется и все более становится необходимо оценивать новые лекарства или типы лечения в плане соотношений цена - эффективность. Типичной проблемой в этой обл. является задача сравнения 2 типов лечения по данным клинических испытаний с измерениями как цены, так и эффективности для каждого пациента в каждой из 2 групп. Далее предполагается нормальность распределения данных по цене и эффективности. Ключевым моментом является исследование кривой Q приростов цена/эффективность, определяемой как ф-ция K: Q(K) = P(K('мю'[2]-'мю'[1])-('гамма'[2]-'гамма'[1]) 0

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
БАЙЕСОВСКИЕ ПОДХОДЫ
ЦЕНА/ЭФФЕКТИВНОСТЬ
КЛИНИЧЕСКИЕ ИСПЫТАНИЯ

Доп.точки доступа:
Stevens, John W.; Montmartin, Jacques

РЖ ВИНИТИ 34 (BI38) 01.12-04А3.660

Chavez-Demoulin, V.
Bayesian inference for small-sample capture-recapture data [Text] / V. Chavez-Demoulin // Biometrics. - 1999. - Vol. 55, N 3. - P727-731 . - ISSN 0006-341X
Перевод заглавия: Байесовские выводы для малых выборок данных по повторным отловам
Аннотация: Рассматривается открытая популяция, из к-рой в ряд моментов времени производятся выборки (отловы). Попавшие в них особи метятся и выпускаются. В каждой выборке подсчитывается число ранее попадавших (меченых) особей и попавших впервые. Реально выборка может представлять собой снимок, на к-ром возможно идентифицироватть особей по их приметам, как было в рассматриваемых данных по дельфинам Cephalorhynchus hectori из морской акватории Новой Зеландии. Получаемые в результате выборки довольно малы. Задача состоит в оценивании по малой выборке вероятности выживания, предполагаемой постоянной, и вероятностей отловов по временным периодам. Через них выражаются вероятности повторного попадания в выборку. Соотв. ф-ция правдоподобия довольно сложна для непосредственного использования в статистическом анализе. Для оценивания параметров (вероятностей отловов и выживания) предлагается использовать байесовский подход. При этом рассматриваются апостерирные маргинальные распределения, к-рые довольно сложны. Поэтому для вычисления интегралов числителя и знаменателя апостериорного распределения используется аппроксимация Лапласа. Для аппроксимации хвостов распределения применяются численные методы. Предложена также процедура для получения байесовских интервалов доверия. Приведена иллюстарация по данным для дельфинов. Рассмотрено обобщение на иерархический случай. Швейцария, Dep. of Mathematics, Swiss Federal Inst. of Technology, 1015 Lausanne. E-mail: Valerie.Chavez@eplf.ch, Ил. 2. Табл. 1 Библ. 16

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ВЕРОЯТНОСТИ ВЫЖИВАНИЯ
ПОВТОРНЫЕ ОТЛОВЫ
БАЙЕСОВСКИЕ ПОДХОДЫ
ЛАПЛАСА АППРОКСИМАЦИЯ
CEPHALORHYNCHUS HECTORI

РЖ ВИНИТИ 34 (BI38) 01.12-04А3.693

Gibbs, Alison L.
Bounding the convergence time of the Gibbs sampler in Bayesian image restoration [Text] / Alison L. Gibbs // Biometrika. - 2000. - Vol. 87, N 4. - P749-766 . - ISSN 0006-3444
Перевод заглавия: Границы времени сходимости [алгоритма восстановления изображений с использованием выборок Гиббса]
Аннотация: Алгоритмы цепей Маркова в имитационных экспериментах Монте-Карло сначала использовались в статистической физике, затем для решения задач пространственной статистики (включая обработку изображений) и теперь широко применяются в байесовском анализе распределений сложного вида. Важным моментом в применении алгоритма является решение вопроса о его сходимости и о скорости сходимости, к-рый до сих пор нельзя считать окончательно выясненным. Показано, как использование алгоритма может дать априорные границы для времени сходимости. Рассматриваются монотонные марковские цепи, для к-рых существуюет частичное упорядочивание на пространстве состояний, сохраняющееся при марковских переходах. В частности, получены границы для времени сходимости в простом случае байесовского восстановления изображений, включающего взятие выборок из распределения Гиббса. Задача синтеза изображения в обл., где данные отсутствуют, эквивалентна одной задаче мат. физики, известной как динамика Glauber для стохастической модели Изинга. Получение точной верхней границы для времени сходимости осуществляется с использованием техники взаимодействий и мартингалов для изображений из N пикселов. В мат. физике известно, что время сходимости имеет порядок O(Nlog(N)), но константа пропорциональности неизвестна. В последующей ст. будет показано, как предложенные вычисления м. б. использованы для получения точных границ. Канада, Dep. of Mathematics and Statistics, York Univ., Toronto, Ontario M3J 1P3. Ил. 2. Библ. 35

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.15.29 + 341.05.25.15.09.13
Рубрики: АЛГОРИТМЫ
ОБРАБОТКА ИЗОБРАЖЕНИЙ
БИОМЕТРИЯ
ВОССТАНОВЛЕНИЕ ИЗОБРАЖЕНИЙ
БАЙЕСОВСКИЕ ПОДХОДЫ
СХОДИМОСТЬ
СКОРОСТИ СХОДИМОСТИ
ГРАНИЦЫ ВРЕМЕНИ СХОДИМОСТИ

РЖ ВИНИТИ 34 (BI07) 02.01-04А1.55

Zhivotovsky, Lev. A.
Estimating population structure in diploids with multilocus dominant DNA markers [Text] / Lev. A. Zhivotovsky // Mol. Ecology. - 1999. - Vol. 8, N 06. - P907-913 . - ISSN 0962-1083
Перевод заглавия: Оценивание популяционной структуры диплоидов по многолокусным доминантным маркерам ДНК
Аннотация: Рассматривается случай многолокусных доминантных маркеров ДНК, напр., RAPD, AFLP, когда наблюдаются только 2 фенотипа: соотв. рецессивной гомозиготе по нуль-аллелю и доминантный фенотип. Прямое оценивание частоты q нуль-аллеля требует трудоемких анализов потомства или гаплоидных генотипов, что часто недоступно. Оценка q в виде квадратного корня из частот рецессивного фенотипа R является смещенной. Процедура уменьшения смещенности по Lynch, Milligan требует, чтобы в выборке наблюдалось не менее 3 рецессивных фенотипов, что приводит к недооценке q. Предложен новый метод оценивания q, основанный на байесовском подходе. Сначала анализ производится в отношении 1 локуса в предположении выполнения закона Харди - Вайнберга. Предполагается, что априорное распределение R с теор. частотой q{2} является бета-распределением, откуда легко получается априорное распределение Pr(q) для q. Оценка q по наблюдениям R получается как среднее для апостериорного распределения, т. е. интегрированием q по плотности Pr(m

ГРНТИ	34.03.17

ВИНИТИ 341.03.17.17.11
Рубрики: МАТЕМАТИЧЕСКАЯ ГЕНЕТИКА
БИОМЕТРИЯ
ПОПУЛЯЦИИ
ОЦЕНИВАНИЕ
ГЕННЫЕ ЧАСТОТЫ
ДОМИНАНТНЫЕ ДНК МАРКЕРЫ
МНОГОЛОКУСНЫЕ ДАННЫЕ
БАЙЕСОВСКИЕ ПОДХОДЫ

РЖ ВИНИТИ 34 (BI38) 02.01-04А3.478

Keselman, H. J.
An examination of the robustness of the empirical Bayes and other approaches for testing main and interaction effects in repeated mesures designs [Text] / H. J. Keselman, Rhonda K. Kowalchuk, Robert J. Boik // Brit. J. Math. and Statist. Psychol. - 2000. - Vol. 53, N 1. - P51-67 . - ISSN 0007-1102
Перевод заглавия: Исследование робастности эмпирического байесовского и других подходов для проверки основного эффекта и эффектов взаимодействий в планах с повторными измерениями
Аннотация: Обычно для проверки эффектов в указанной ситуации используется гауссовская линейная модель вида Y = XB + R, где Y есть матрица (повторяющихся) наблюдений, X - матрица кодов эффектов между субъектами, B - матрица неизвестных коэф. регрессии, R - матрица случайных ошибок. Альтернативой служит эмпирический байесовский подход (ЭБМ), где предполагается многомерная нормальность повторных измерений, причем ковариационная матрица выбрана из сферического инвертированного распределения Уишарта. На 1-й стадии метод соответствует пред. подходу с моделированием YC ф-ций. На 2-й стадии предполагаются спец. априорные распределения для переменных модели. ЭБМ не требует ряда ограничений предыдущего метода и представляет собой смесь одномерного и многомерного подходов. Представлено изучение св-в ЭБМ в отношении ошибки 1-го рода при нарушении некоторых его предположений. Для сравнения рассматривались еще несколько процедур. Результаты показывают, что если переменна отклика нормально распределена и размеры групп одинаковы, то ЭБМ робастен к нарушению предположений и м. б. рекомендован к использованию с учетом лит. данных относительно его мощности. Упомянуты и др. работы авт., процедуры к-рых робастны к нарушению др. предположений. Канада, Dep. of Psychology, Univ. of Manitoba, Winnipeg, Manitoba R3T 2N2. E-mail: hj'каппа'eselman@umanitoba.ca. Табл. 6. Библ. 34

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.09
Рубрики: БИОМЕТРИЯ
ПРОВЕРКА ГИПОТЕЗ
ОСНОВНОЙ ЭФФЕКТ
ЭФФЕКТЫ ВЗАИМОДЕЙСТВИЙ
БАЙЕСОВСКИЕ ПОДХОДЫ

Доп.точки доступа:
Kowalchuk, Rhonda K.; Boik, Robert J.

10.

РЖ ВИНИТИ 34 (BI38) 02.01-04А3.482

A Bayesian hierarchical approach for combining case - control and prospective studies [Text] / Peter Muller [et al.] // Biometrics. - 1999. - Vol. 55, N 3. - P858-866 . - ISSN 0006-341X
Перевод заглавия: Байесовский иерархический подход для комбинированных проспективных исследований и исследований заболевание - контроль
Аннотация: Предложен комбинированный подход указанного типа в отношении изучения факторов риска заболевания, мотивированный необходимостью предсказания абсолютного риска при принятии мед. решений и при консультировании. Данный подход является иерархическим и учитывает гетерогенность параметров между исследованиями и выборочными ед. в одном и том же исследовании. Он основывается на моделировании ретроспективного распределения ковариат при условии результатов заболевания. Данная стратегия значительно упрощает как комбинирование исследований, так и вычисление байесовских предсказаний в контексте иерархических данных заболевание - контроль. Ретроспективное моделирование отличает предложенный подход от большинства современных стратегий, основанных на предположениях, специфических для проспективной модели. Для проверки гибкости подхода предложено использовать смешанную модель ретроспективных распределений ковариат. Это приводит к семейству нелинейных регрессий для проспективного правдоподобия. Представлены простые результаты, проясняющие связь между существующими подходами и предложенным. Проведены также имитационные эксперименты методами Монте-Карло и дан иллюстративный пример на данных по раку яичника. США, Institute of Statistics and Decision Sciences, Duke Univ., Durham, N. C. 27708-0251. Ил. 3. Библ. 27

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ЗАБОЛЕВАНИЕ - КОНТРОЛЬ
ПРОСПЕКТИВНЫЕ ИССЛЕДОВАНИЯ
КОМБИНИРОВАНИЕ
ИЕРАРХИЧЕСКИЙ АНАЛИЗ

Доп.точки доступа:
Muller, Peter; Parmigiani, Giovanni; Schildkraut, Joellen; Tardella, Luca

11.

РЖ ВИНИТИ 76 (BI40) 02.01-04М7.63

Bithell, J. F.
A classification of disease mapping methods [Text] / J. F. Bithell // Statist. Med. - 2000. - Vol. 19, N 17-18. - P2203-2215 . - ISSN 0277-6715
Перевод заглавия: Классификация методов картирования заболеваний
Аннотация: Обзор. Рассматриваются задачи картирования популяционных х-к для последующего анализа пространственных закономерностей их распределения. Синонимы мед. география и геогр. эпидемиология относятся к геогр. распределению заболеваний. Картирование заболеваемости (КЗ) является основным инструментом для описания указанного распределения в пространстве. КЗ является специфической частью картографии. Специфика человеческих популяций в том, что здесь решающую роль играет плотность населения в отличие от тематических карт. Оценивание плотности производится с некоторым сглаживанием, и центральной проблемой является выбор степени сглаживания. Данные о З могут отображаться не только в пространстве, но и во времени. Для этого используются стрелки, указывающие направление распространения З, контуры 1-го достижения заданного уровня по времени с агрегацией по временным интервалам. Для КЗ, где равным площадям соответствуют равные плотности населения, используются картограммы, или изодемографические карты. Они получаются за счет искажения геометрии. Аналитической целью этих высоко иллюстративных построений служит выявление кластеров, однако сами алгоритмические процессы могут вносить смещения. Как и в др. обл. статистики, при КЗ могут использоваться параметрические и непараметрические методы. Данные м. б. собраны по площадям (подсчеты по административным р-нам) или точкам (для множества геогр. координат). Уменьшить выборочные колебания помогает эмпирическое сглаживание. Напр., в каждой точке риск можно вычислять как взвешенное среднее по р-нам внутри заданного расстояния. Веса учитывают расстояния и плотность населения. При использовании геогр. координат (x,y) описание проводится в терминах нормализованных плотности З и плотности распределения населения, отношение к-рых определяет ф-цию относительного риска 'ТЭТА'(x,y). Модели используются для получения предсказаний в каждой точке пространства. Появления заболевания в отдельных точках предполагаются независимыми при условии среднего значения процесса, а характер по точкам соответствует реализации неоднородного процесса Пуассона с интенсивностью, пропорциональной популяционной плотности и относительному риску 'ТЭТА', к-рый можно связывать с причинными факторами. При моделировании данных по площадям применяются байесовские подходы. В предположении априорного распределения производится оценивание параметров, используемых для получения среднего для апостериорного распределения. Описанный подход не принимает во внимание более высокого сходства соседей в силу пространственной автокорреляции геогр. факторов, влияющих на риск. Для их учета используется обобщенная линейная смешанная модель ln('ТЭТА'[i]) = (x[i])''бета' + u[i] + v[i]. Здесь i относится к р-ну, x[i] - вектор ковариат, 'бета' - параметры их эффектов, u[i] моделирует непространственную гетерогенность, а v[i] - пространственную. Великобритания, Dep. of Statistics, Univ. of Oxford, Oxford OX1 3TG. E-mail: bithel@stats.ox.ac.uk. Ил. 4. Библ. 38

ГРНТИ	76.03.49

ВИНИТИ 761.03.49.02.21
Рубрики: ТЕОРИЯ ПОПУЛЯЦИЙ
ТЕОРИЯ ЭПИДЕМИЙ
БИОМЕТРИЯ
КАРТИРОВАНИЕ ПРОСТРАНСТВЕННЫХ ДАННЫХ
МЕДИЦИНСКАЯ ГЕОГРАФИЯ
ОЦЕНИВАНИЕ
БАЙЕСОВСКИЕ ПОДХОДЫ
ОТНОСИТЕЛЬНЫЕ РИСКИ
ОБЗОРЫ
БИБЛ. 38

12.

РЖ ВИНИТИ 34 (BI38) 02.02-04А3.11

Zhivotovsky, Lev. A.
Estimating population structure in diploids with multilocus dominant DNA markers [Text] / Lev. A. Zhivotovsky // Mol. Ecology. - 1999. - Vol. 8, N 06. - P907-913 . - ISSN 0962-1083
Перевод заглавия: Оценивание популяционной структуры диплоидов по многолокусным доминантным маркерам ДНК
Аннотация: Рассматривается случай многолокусных доминантных маркеров ДНК, напр., RAPD, AFLP, когда наблюдаются только 2 фенотипа: соотв. рецессивной гомозиготе по нуль-аллелю и доминантный фенотип. Прямое оценивание частоты q нуль-аллеля требует трудоемких анализов потомства или гаплоидных генотипов, что часто недоступно. Оценка q в виде квадратного корня из частот рецессивного фенотипа R является смещенной. Процедура уменьшения смещенности по Lynch, Milligan требует, чтобы в выборке наблюдалось не менее 3 рецессивных фенотипов, что приводит к недооценке q. Предложен новый метод оценивания q, основанный на байесовском подходе. Сначала анализ производится в отношении 1 локуса в предположении выполнения закона Харди - Вайнберга. Предполагается, что априорное распределение R с теор. частотой q{2} является бета-распределением, откуда легко получается априорное распределение Pr(q) для q. Оценка q по наблюдениям R получается как среднее для апостериорного распределения, т. е. интегрированием q по плотности Pr(m

ГРНТИ	34.03.23

ВИНИТИ 341.03.23.09.09
Рубрики: МАТЕМАТИЧЕСКАЯ ГЕНЕТИКА
БИОМЕТРИЯ
ОЦЕНИВАНИЕ
ГЕННЫЕ ЧАСТОТЫ
ДОМИНАНТНЫЕ ДНК МАРКЕРЫ
МНОГОЛОКУСНЫЕ ДАННЫЕ
БАЙЕСОВСКИЕ ПОДХОДЫ

13.

РЖ ВИНИТИ 34 (BI38) 02.02-04А3.480

Eberly, Lynn E.
Identifiability and convergence issues for Markov chain Mont Carlo fitting of spatial models [Text] / Lynn E. Eberly, Bradley P. Carlin // Statist. Med. - 2000. - Vol. 19, N 17-18. - P2279-2294 . - ISSN 0277-6715
Перевод заглавия: Вопросы идентифицируемости и сходимости для [методов Монте-Карло с использованием] марковских цепей для подгонки пространственных моделей
Аннотация: Отмечено возрастание популярности байесовских подходов в статистической практике за последнюю декаду. Это связано с одновременным развитием подходов цепей Маркова в методах Монте-Карло применительно к оцениванию апостериорных распределений. Однако с возрастанием мощности компьютеров увеличивается соблазн подгонки моделей, к-рые больше, чем допускают данные. Это означает, что св-ва апостериорных распределений для некоторых параметров зависят от св-в соотв. априорных распределений. Важным примером является случай пространственного моделирования, где наибольший интерес представляют отдельные случайные эффекты, отражающие неструктурированную гетерогенность, и пространственную кластеризацию, хотя только их сумма хорошо идентифицируется по данным. Исследуется взаимосвязь между идентифицируемостью, байесовской теорией и скоростью сходимости в методах Монте-Карло с использованием цепей Маркова применительно к общему классу пространственных моделей. Получены рекомендации для выбора априорного распределения и настройки алгоритма. Ключевые моменты разъясняются на простых примерах влияния ковариат, выбросов и т. д. на апостериорные распределения. США, Div. of Biostatistics, School of Public Health, Univ. of Minnesota, Box 303, Mayo Memorial Building, Minneapolis, MN 55455-0392. Ил. 7. Библ. 14

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.99
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ПРОСТРАНСТВЕННЫЕ МОДЕЛИ
ИДЕНТИФИЦИРУЕМОСТЬ
МОНТЕ-КАРЛО МЕТОДЫ
МАРКОВСКИЕ ЦЕПИ
СХОДИМОСТЬ

Доп.точки доступа:
Carlin, Bradley P.

14.

РЖ ВИНИТИ 34 (BI38) 02.03-04А3.829

Follmann, Dean A.
Bayesian monitoring of event rates with censored data [Text] / Dean A. Follmann, Paul S. Albert // Biometrics. - 1999. - Vol. 55, N 2. - P603-607 . - ISSN 0006-341X
Перевод заглавия: Байесовский мониторинг скоростей событий при цензурировании данных
Аннотация: На начальной стадии разработки мед. лечения исследователи пытаются определить наличие сопутствующей повышенной токсичности. Если ее не обнаружено, то можно проводить более объемное изучение эффективности лечения. В таких исследованиях привлекательно использование байесовского мониторинга скоростей токсичности, когда ошибка 1-го рода не представляет фундаментального интереса. Правила остановки м. б. сформулированы в терминах апостериорной вероятности превышения порога скоростью токсичности. Предполагается, что токсические события происходят в дискретные моменты времени и определяют априорное распределение (Р) Дирихле для вероятностей отказов в разные моменты времени. Показано, апостериорное Р, основанное на цензурированных данных, является смесью Р Дирихле. Апостериорные вероятности для превышения порога скоростями токсичности аппроксимируются с использованием данных имитационных экспериментов, показавших практическую значимость предлагаемого подхода. Кроме того, выявлено увеличение вероятности более ранней правильной остановки при использовании параметров, соотв. реальным данным по трансплантациям. США, Office of Biostatistics Res., Nat. Heart, Lungs, and Blood Institute, Bethesda, MD 20892-7938. E-mail: follmann@helix.nth.gov. Табл. 1. Библ. 11

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
КЛИНИЧЕСКИЕ ИСПЫТАНИЯ
ГРУППОВОЙ ПОСЛЕДОВАТЕЛЬНЫЙ МОНИТОРИНГ
БАЙЕСОВСКИЕ ПОДХОДЫ
ДИРИХЛЕ РАСПРЕДЕЛЕНИЕ
СМЕСИ
ЦЕНЗУРИРОВАННЫЕ ДАННЫЕ

Доп.точки доступа:
Albert, Paul S.

15.

РЖ ВИНИТИ 34 (BI38) 02.03-04А3.834

Johnson, Wesley O.
Dual screening [Text] / Wesley O. Johnson, Larry M. Pearson // Biometrics. - 1999. - Vol. 55, N 3. - P867-873 . - ISSN 0006-341X
Перевод заглавия: Дуальное скринирование
Аннотация: Рассматривается скринирование общей популяции в отношении некоторой х-ки (напр., ВИЧ инфицирования или употребления наркотиков). Основной интерес состоит в скринировании, эффективном в смысле требуемых затрат, для идентификации максимально возможного кол-ва индивидуумов с данной х-кой, чтобы сделать статистически обоснованные выводы. Изложение фокусируется вокруг обобщения станд. статистического протокола, когда ед. первоначального скринируются по одной в каждый момент. Тест показывает + или -, но эти результаты м. б. некорректны. Далее положит. ед. подвергаются повторному тестированию (с тестом золотого стандарта), тогда как отрицательные ед. более не проверяются. Основная трудность здесь в том, что в данных нет информации для оценивания чувствительности теста или о распространенности рассматриваемой х-ки в популяции. Предлагается байесовский подход, позволяющий использовать априорную информацию относительно параметров. Статистические выводы получаются с использованием выборочной техники Гиббса, они приложимы как к большим, так и малым выборкам при произвольной распространенности х-ки или точности теста при скринировании. Разработаны также методы на основе макс. правдоподобия с использованием EM-алгоритма. США, Div. of Statistics, Univ. of California at Davis, Davis, CA 95616, E-mail: wojohnson@ucdavis.edu. Ил. 1. Табл. 1. Библ. 23

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
СКРИНИРОВАНИЕ
ВИЧ ИНФИЦИРОВАНИЕ
УПОТРЕБЛЕНИЕ НАРКОТИКОВ
БАЙЕСОВСКИЕ ПОДХОДЫ
ПРАВДОПОДОБИЕ
EM-АЛГОРИТМ

Доп.точки доступа:
Pearson, Larry M.

16.

РЖ ВИНИТИ 34 (BI38) 02.03-04А3.843

Graham, Patrick.
Bayesian inference for a generalized population attributable fraction. The impact of early vitamin A. levels on chronic lung disease in very low birthweight infants [Text] / Patrick Graham // Statist. Med. - 2000. - Vol. 19, N 7. - P937-956 . - ISSN 0277-6715
Перевод заглавия: Байесовские выводы относительно обобщенной популяционной приписываемой доли. Влияние ранних уровней витамина А на хроническое заболевание легких у детей с очень низким весом при рождении
Аннотация: Предложен байесовский подход к изучению указанной доли для конечных совокупностей. Освещается зависимость от параметров модели при неинформативности наблюдаемых данных. Анализируются данные по когорте детей с низким весом при рождении. Изучается влияние уровня витамина А на указанное заболевание, уровень к-рого в плазме измерялся в течение 48 часов после рождения. Рассматриваемая доля определялась в рамках каузальной модели Rubin. Исследован случай полностью наблюдаемой совокупности, затем рассмотрена ситуация выборочных данных. Развиваемые подходы прилагались к упомянутым данным. Ключевым моментом является вычисление апостериорного распределение при заданных наблюдениях откликов, экспозиций и ковариат. Обсуждаются различные обобщения модели. Новая Зеландия, Dep. of Public Health and general Practice, Christchurch School of Medicine, P. O. Box 4345. Christchurch. Табл. 3. Библ. 39

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.99
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ПОПУЛЯЦИОННЫЕ ДОЛИ
ДЕТСКИЕ КОГОРТЫ
ХРОНИЧЕСКИЕ ЗАБОЛЕВАНИЯ ЛЕГКИХ
УРОВЕНЬ ВИТАМИНА А
ВЕС ПРИ РОЖДЕНИИ

17.

РЖ ВИНИТИ 34 (BI07) 02.04-04А1.58

Van, Dongen Stefan.
The heritability of fluctuating asymmetry: A Bayesian hierarchical model [Text] / Dongen Stefan Van // Ann. zool. fenn. - 2000. - Vol. 37, N 1. - P15-23 . - ISSN 0003-455X
Перевод заглавия: Наследуемость флуктуирующей асимметрии: байесовская иерархическая модель
Аннотация: В последнее время наследуемость флуктуирующей асимметрии (ФА) - небольших случайных отклонений от полной асимметрии - вызывает повышенный интерес при оценивании нестабильности развития (НР). Информация о роли генетического базиса в этих явлениях важна для понимания морфологической изменчивости, действия естественного и полового отбора, оценивания генетического или средового стресса на индивидуальном и популяционном уровнях. Хотя в литературе встречаются данные о высокой наследуемости НР и ФА, обычно оценки наследуемости низки. Объединение известных по публикациям оценок затрудняется их специфичностью для соотв. популяций и признаков. Мета-анализ следует проводить с учетом стохастичности средних значений, т. е. использовать модели со случайными эффектами. Рассматривается приложение к этим задачам байесовского иерархического подхода для моделирования изменчивости коэф. наследуемости между популяциями и между признаками, принимая во внимания точность оценок. Анализ подтвердил низкие значения наследуемости - 95% доверительным интервалом будет (0,009,0,104). Кроме того, оказалось, что различия между видами и популяциями по наследуемости выше, чем гетерогенность между признаками. Это указывает на слабые генетические эффекты по сравнению со средовыми влияниями и выборочными ошибками. Хотя в настоящее время трудно проанализировать относительное влияние различных факторов, байесовский подход дает ценный статистический инструмент для моделирования стохастичности генетических параметров. Бельгия, Dep. of Biology, Univ. of Antwerp (UIA), B-2610 Wilrijk. Ил. 2. Табл. 2. Библ. 41

ГРНТИ	34.03.17

ВИНИТИ 341.03.17.17.17
Рубрики: МАТЕМАТИЧЕСКАЯ ГЕНЕТИКА
КОЛИЧЕСТВЕННЫЕ ПРИЗНАКИ
НАСЛЕДУЕМОСТЬ
ФЛУКТУИРУЮЩАЯ АСИММЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
МЕТА-АНАЛИЗ
ЭВОЛЮЦИЯ

18.

РЖ ВИНИТИ 34 (BI38) 02.04-04А3.8

Van, Dongen Stefan.
The heritability of fluctuating asymmetry: A Bayesian hierarchical model [Text] / Dongen Stefan Van // Ann. zool. fenn. - 2000. - Vol. 37, N 1. - P15-23 . - ISSN 0003-455X
Перевод заглавия: Наследуемость флуктуирующей асимметрии: байесовская иерархическая модель
Аннотация: В последнее время наследуемость флуктуирующей асимметрии (ФА) - небольших случайных отклонений от полной асимметрии - вызывает повышенный интерес при оценивании нестабильности развития (НР). Информация о роли генетического базиса в этих явлениях важна для понимания морфологической изменчивости, действия естественного и полового отбора, оценивания генетического или средового стресса на индивидуальном и популяционном уровнях. Хотя в литературе встречаются данные о высокой наследуемости НР и ФА, обычно оценки наследуемости низки. Объединение известных по публикациям оценок затрудняется их специфичностью для соотв. популяций и признаков. Мета-анализ следует проводить с учетом стохастичности средних значений, т. е. использовать модели со случайными эффектами. Рассматривается приложение к этим задачам байесовского иерархического подхода для моделирования изменчивости коэф. наследуемости между популяциями и между признаками, принимая во внимания точность оценок. Анализ подтвердил низкие значения наследуемости - 95% доверительным интервалом будет (0,009,0,104). Кроме того, оказалось, что различия между видами и популяциями по наследуемости выше, чем гетерогенность между признаками. Это указывает на слабые генетические эффекты по сравнению со средовыми влияниями и выборочными ошибками. Хотя в настоящее время трудно проанализировать относительное влияние различных факторов, байесовский подход дает ценный статистический инструмент для моделирования стохастичности генетических параметров. Бельгия, Dep. of Biology, Univ. of Antwerp (UIA), B-2610 Wilrijk. Ил. 2. Табл. 2. Библ. 41

ГРНТИ	34.03.23

ВИНИТИ 341.03.23.09.09
Рубрики: МАТЕМАТИЧЕСКАЯ ГЕНЕТИКА
КОЛИЧЕСТВЕННЫЕ ПРИЗНАКИ
НАСЛЕДУЕМОСТЬ
ФЛУКТУИРУЮЩАЯ АСИММЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
ИЕРАРХИЧЕСКИЕ МОДЕЛИ
МЕТА-АНАЛИЗ

19.

РЖ ВИНИТИ 34 (BI38) 02.04-04А3.598

Cho, Meehyung.
Fitting the log-F accelerated failure time model with incomplete covariate data [Text] / Meehyung Cho, Nathaniel Schenker // Biometrics. - 1999. - Vol. 55, N 3. - P826-833 . - ISSN 0006-341X
Перевод заглавия: Подгонка лог-F модели с убыстряющимся временем отказа при неполных данных по ковариатам
Аннотация: Модели выживания часто используются для анализа данных, полученных при изучении выживаемости, когда имеется цензурирование. Иногда применяют одну из таких моделей, а именно, модель с ускоряющимся временем отказа с параметрическим распределением ошибок. При обобщенном F-распределении времени отказа модель называют лог-F моделью с убыстряющимся временем отказа. Рассматривается байесовские подходы с приложением данной модели к случаю неполных данных по непрерывным или категоризованным ковариатам, независимым от времени. Для ковариат используется общая модель расположения. Разработана техника, модифицирующая станд. предположения об игнорировании цензурирования и приложимая к некоторым случаям неигнорируемости. Предлагаемый подход сравнивается с традиционным анализом полных данных применительно к изучению меланомы. Проведенное сравнение показало существенный выигрыш в эффективности, к-рый возможен при использовании разработанных методов. США, Dep. of Clinical Biostatistics and Res. Data Systems, P. O. Box 2000, Rahway, N. J. 07065. Табл. 3. Библ. 32

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ВЫЖИВАЕМОСТЬ
УБЫСТРЯЮЩЕЕСЯ ВРЕМЯ ОТКАЗА
БАЙЕСОВСКИЕ ПОДХОДЫ
КОВАРИАТЫ
ПРОПУСКИ ДАННЫХ
ЦЕНЗУРИРОВАННЫЕ ДАННЫЕ

Доп.точки доступа:
Schenker, Nathaniel

20.

РЖ ВИНИТИ 34 (BI38) 02.06-04А3.732

Chaloner, Kathryn.
Quantifying and documenting prior beliefs in clinical trials [Text] / Kathryn Chaloner, Frank S. Rhame // Statist. Med. - 2001. - Vol. 20, N 4. - P581-600 . - ISSN 0277-6715
Перевод заглавия: [Количественное представление] и документирование априорных мнений в клинических испытаниях
Аннотация: До начала клинических испытаний обычно в клинической практике принято делать обзор пред. исследований по протоколам клинических испытаний, но не обзор мнений практикующих в рассматриваемой обл. Предлагается собирать и документировать такие мнения. В итоге их можно формализовать как вероятностное распределение результатов испытания. Приведены примеры по 2 большим массивам данных по профилактическому лечению ВИЧ инфекций. Показано, что документирование мнений может использоваться при мониторинге с учетом модификации априорного распределения в зависимости от промежуточных результатов. При этом для получения апостериорного распределения используются приближенные байесовские методы. Апостериорные мнения могут учитываться советом по мониторингу для предположений относительно р-ции клиницистов на результаты. Знание априорных мнений важно также с этической точки зрения. США, School of Statistics, Univ. of Minnesota, Minneapolis, MN 55455. E-mail: kathrin@stat.umn.edu. Ил. 3. Табл. 2. Библ. 47

ГРНТИ	34.05.25

ВИНИТИ 341.05.25.09.99
Рубрики: БИОМЕТРИЯ
БАЙЕСОВСКИЕ ПОДХОДЫ
КЛИНИЧЕСКИЕ ИСПЫТАНИЯ
АПРИОРНЫЕ МНЕНИЯ О РЕЗУЛЬТАТАХ
МОНИТОРИНГ

Доп.точки доступа:
Rhame, Frank S.

1-20 21-40 41-60 61-80 81-100 101-120

"Электронные каталоги и базы данных библиотек СО РАН"

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)

rtvarBDview(" результаты поиска","20190607010228","4682442");

Вид поиска