夏洛特·贝;萨米斯·特雷维扎斯;保罗·亨里·库内德 植物生长的非线性混合效应模型,并通过EM算法的随机变量进行估计。 (英语) Zbl 1341.62310号 Commun公司。Stat.,理论方法 45,第6期,1643-1669(2016). 小结:植物之间,甚至同一品种之间,都有很强的遗传变异性,再加上某一特定领域中局部变化的环境条件,可能导致相邻植物之间差异很大。这就是为什么基于种群的植物生长建模方法非常有趣的原因之一。GreenLab是一个功能结构的植物生长模型,已经证明它能够成功地主要在个体水平描述植物生长动态。在本研究中,我们将其公式扩展到人口水平。为了对一些固定但未知的重要生物物理和遗传参数的偏差进行建模,我们引入了随机效应。由此产生的模型可以转换为非线性混合模型的框架,可以看作是不完全数据模型的特定类型。通常需要EM型算法的随机变量(期望最大化)来对这类模型进行最大似然估计。在某些假设下,完全数据分布属于指数分布族的一个子类,其中M步可以显式求解。在这种情况下,人们的兴趣集中在通过相互竞争的模拟方法来最佳逼近E步。在这个方向上,我们建议比较两种常用的随机算法:蒙特卡罗EM(MCEM)和SAEM算法。在模拟数据上比较了这两种算法的性能,并给出了在甜菜植株实际数据上的应用。 引用于2文件 MSC公司: 62页第10页 统计学在生物学和医学中的应用;元分析 65二氧化碳 蒙特卡罗方法 关键词:MCMC方法;非线性混合效应模型;植物生长模型;随机EM算法;甜菜植物 PDF格式BibTeX公司 XML格式引用 \textit{C.Baey}等人,Commun。《统计、理论方法》45,第6期,1643--1669(2016;Zbl 1341.62310) 全文: 内政部 哈尔 参考文献: [1] 内政部:10.1214/1050516060000286·Zbl 1114.65001号 ·doi:10.1214/1050516060000286 [2] 内政部:10.1007/s11222-008-9110-y·doi:10.1007/s11222-008-9110-y [3] DOI:10.1016/j.ecolmodel.2013.04.013·doi:10.1016/j.ecolmodel.2013.04.013 [4] 内政部:10.1016/0167-8809(93)90073-X·doi:10.1016/0167-8809(93)90073-X [5] 数字对象标识码:10.1111/j.1467-9868.2005.0049.x·Zbl 1075.65011号 ·数字对象标识代码:10.1111/j.1467-9868.2005.0049.x [6] DOI:10.1016/j.envsoft.2006.10.004·doi:10.1016/j.envsoft.2006.10.004 [7] CappéO.,隐马尔可夫模型中的推断(2005)·Zbl 1080.62065号 [8] Chen Y.,《应用概率的方法论与计算》(2015) [9] DOI:10.1177/0037549706069341·doi:10.1177/0037549706069341 [10] DOI:10.1051/mmnp/20116205·Zbl 1218.92057号 ·doi:10.1051/mmnp/20116205 [11] DOI:10.1093/aob/mcm272·doi:10.1093/aob/mcm272 [12] Davidian M.,重复测量数据的非线性模型(1995) [13] 内政部:10.1198/1085711032697·doi:10.1198/1085711032697 [14] de Reffye P.,第一届植物生长建模、模拟、可视化和应用国际研讨会,中国北京,第87–(2003)页 [15] 内政部:10.1214/aos/1018031103·Zbl 0932.62094号 ·doi:10.1214/aos/1018031103 [16] Dempster A.,J.皇家统计学会。B(Methodol.)39(1)第1页–(1977) [17] DOI:10.1093/biomet/65.3.457·Zbl 0401.62002号 ·doi:10.1093/biomet/65.3.457 [18] 内政部:10.1214/aos/1059655912·Zbl 1043.62015年 ·doi:10.1214/aos/1059655912 [19] DOI:10.1051/农业:19990311·doi:10.1051/农业:19990311 [20] 内政部:10.2307/3318737·Zbl 0989.65004号 ·doi:10.2307/3318737 [21] Jank W.,《美国统计协会会刊》(2005年) [22] Jank W.,《建模、优化和决策技术主题:纪念Saul Gass对运筹学的贡献》,第367页–(2006) [23] Jank W.,J.计算。图表。Stat.1815第1页–(2006年) [24] 数字对象标识码:10.1093/aob/mcq205·doi:10.1093/aob/mcq205 [25] DOI:10.1051/ps:2004007·Zbl 1155.62420号 ·doi:10.1051/ps:2004007 [26] DOI:10.1016/j.csda.2004.07.002·Zbl 1429.62279号 ·doi:10.1016/j.csda.2004.07.002 [27] Lemaire S.,作物建模与决策支持国际研讨会:2008年4月19日至22日,中国南京(2008) [28] Louis T.A.,J.Royal Stat.Soc.44(2)第226页–(1982) [29] 内政部:10.1080/01621459.1994.10476474·doi:10.1080/01621459.1994.10476474 [30] 内政部:10.1080/01621459.1997.10473613·doi:10.1080/0162145.1997.10473613 [31] McLachlan G.,EM算法及其扩展(2007) [32] Orchard T.,第六届伯克利数理统计与概率研讨会(1972年) [33] 内政部:10.2307/2530972·Zbl 0655.62102号 ·doi:10.2307/2530972 [34] 数字对象标识码:10.1139/b96-119·doi:10.1139/b96-119 [35] DOI:10.1214/aoms/1177729586·Zbl 0054.05901号 ·doi:10.1214/aoms/1177729586 [36] 内政部:10.1007/978-1-4757-3071-5·doi:10.1007/978-1-4757-3071-5 [37] 内政部:10.1214/aoap/1034625254·Zbl 0876.60015号 ·doi:10.1214/aoap/1034625254 [38] DOI:10.1051/森林:2000131·doi:10.1051/forest:2000131 [39] Sundberg R.,斯堪的纳维亚。《美国联邦法律大全》第1卷第49页–(1974年) [40] DOI:10.1214/aos/1176325750·Zbl 0829.62080号 ·doi:10.1214/aos/1176325750 [41] DOI:10.1007/s13253-013-0134-1·Zbl 1303.62096号 ·doi:10.1007/s13253-013-0134-1 [42] Trevezas S.,计算统计与数据分析(2014) [43] 内政部:10.1007/1-4020-6034-3·doi:10.1007/1-4020-6034-3 [44] 内政部:10.1080/01621459.1990.10474930·网址:10.1080/01621459.1990.10474930 [45] 内政部:10.1214/aos/1176346060·Zbl 0517.62035号 ·doi:10.1214/aos/1176346060 [46] DOI:10.1016/j.ress.2011.07.001·doi:10.1016/j.ress.2011.07.001 [47] DOI:10.1093/jxb/erp375·doi:10.1093/jxb/erp375 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。