×
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。