我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
提出了一种贝叶斯方法,该方法将两个纵向无向高斯网络的构造和比较统一在两个时间点采集的数据的分化状态(相同或不同)上。利用建模重复测度的概念,我们构造了网络的联合似然。导出了网络微分的条件后验概率质量函数,并对其渐近命题进行了理论评估。提出了一种基于潜在数据而非显性数据的替代方法,以显著降低计算负担。仿真用于演示和比较这两种方法,并将其与现有方法进行比较。基于不同年龄段收集的表观遗传学数据,证明了所提方法检测依赖网络分化的能力。尽管依赖潜在数据的方法效率较低,但我们的理论评估、模拟和实际数据应用支持所提方法的有效性。
H.Zhang和H.Arshad的工作得到了NIH/NAID R01AI121226的支持。
作者感谢孟菲斯大学的高性能计算。
张红梅。 黄显正。 哈桑·阿沙德。 “比较相关无向高斯网络。” 贝叶斯分析。 18 (4) 1341 - 1366, 2023年12月。 https://doi.org/10.1214/22-BA1337