DPpackage: Bayesian Non- and Semi-parametric Modelling in R

.2011年4月1日；40(5):1-30.

DPpackage:R中的贝叶斯非参数和半参数建模

亚历山德罗·加拉¹, 蒂莫西·汉森, 费尔南多·金塔纳, 彼得·米勒, 加里·罗斯纳

附属公司

PMID： 21796263
预防性维修识别码：项目经理1142948

DPpackage:R中的贝叶斯非参数和半参数建模

亚历山德罗·加拉等。 J Stat软件. 2011.

.2011年4月1日；40(5):1-30.

作者

亚历山德罗·加拉¹, 蒂莫西·汉森, 费尔南多·金塔纳, 彼得·米勒, 加里·罗斯纳

附属

¹康塞普西翁大学。

PMID： 21796263
预防性维修识别码：项目经理1142948

摘要

数据分析有时需要放松参数假设，以获得建模灵活性和鲁棒性，防止概率模型的误判。在贝叶斯上下文中，这是通过在函数空间上放置先验分布来实现的，例如所有概率分布的空间或所有回归函数的空间。不幸的是，函数空间上的后验分布非常复杂，因此采样方法起着关键作用。本文介绍了一套简单而全面的程序，用于在R，DPpackage中实现一些贝叶斯非参数和半参数模型。目前，DPpackage包括边缘和条件密度估计模型、ROC曲线分析、间隔相关数据、二元回归数据、项目响应数据、使用广义线性混合模型的纵向和聚类数据，以及使用广义加性模型的回归数据。该软件包还包含计算伪贝叶斯因子的函数，用于模型比较，以及获取Dirichlet过程先验的精度参数。为了最大限度地提高计算效率，使用编译的FORTRAN对每个模型进行实际采样。

PubMed免责声明

数字

图1
模拟数据-WDDP模型：真实条件密度年|x个（红色）、后验平均值估计值（黑色连续线）和点式95%HPD间期（黑色虚线）：（a）x个=0.1，（b）x个=0.25，（c）x个=0.48（d）x个=0.76和（e）x=0.88。面板（f）显示了数据以及真实和估计的平均回归曲线。

图2
模拟数据-LDDP模型：真实条件密度年|x个（红色）、后验平均值估计值（黑色连续线）和点式95%HPD间期（黑色虚线）：（a）x个=0.1，（b）x个=0.25，（c）x个=0.48（d）x个=0.76和（e）x个=0.88。面板（f）显示了数据以及真实和估计的平均回归曲线。

图3
SIMCE数据：学校类型和性别能力分布的后验估计值（平均值和95%HPD区间）。男生的结果分别显示在公立一级、公立二级、私立一级和私立二级学校类型的面板（a）、（c）、（e）和（g）中。女孩的结果分别显示在公立一级、公立二级、私立一级和私立二级学校类型的面板（b）、（d）、（f）和（h）中。

图5
肾脏数据：感染时间生存功能的后验估计（中位数和95%可信区间）。雄性和雌性的结果分别显示在面板（a）和（b）中。

请参阅PMC中的此图像和版权信息

类似文章

概述了参数分位数回归模型及其计算实现，以及在生物医学问题（包括COVID-19数据）中的应用。
Mazucheli J、Alves B、Menezes AFB、Leiva V。 Mazucheli J等人。生物识别计算方法程序。2022年6月；221:106816. doi:10.1016/j.cmpb.2022.106816。Epub 2022年4月25日。生物识别计算方法程序。2022 PMID：35580528 审查。
半竞争风险：分析独立和集群相关半竞争风险数据的R包。
Alvares D、Haneuse S、Lee C、Lee KH。 Alvares D等人。 R J.2019年6月；11(1):376-400. doi:10.32614/rj-2019-038。Epub 2019年8月20日。 2019年R J。 PMID：33604061 免费PMC文章。
不可忽略辍学的贝叶斯自然三次B样条变系数方法。
Moore CM、MaWhinney S、Carlson NE、Kreidler S。 Moore CM等人。 BMC医学研究方法。2020年10月7日；20(1):250. doi:10.1186/s12874-020-01135-3。 BMC医学研究方法。2020 PMID：33028226 免费PMC文章。审查。
用于回归分析和密度估计的贝叶斯非参数（和参数）混合模型的菜单驱动软件包。
卡拉巴索斯·G。卡拉巴索斯·G。行为研究方法。2017年2月；49(1):335-362. doi:10.3758/s13428-016-0711-7。行为研究方法。2017 PMID：26956682
非参数贝叶斯估计的边际指定先验。
Kessler DC、Hoff PD、Dunson DB。 Kessler DC等人。 J R Stat Soc B系列统计方法。2015年1月1日；77(1):35-58. doi:10.1111/rssb.12059。 J R Stat Soc B系列统计方法。2015 PMID：25663813 免费PMC文章。

查看所有类似文章

引用人

无症状新冠肺炎感染率的贝叶斯推断。
Cahoy D，Sedransk J。 Cahoy D等人。 Stat Med.2022年7月20日；41(16):3131-3148. doi:10.1002/sim.9408。Epub 2022年5月18日。统计医学2022年。 PMID：35582808 免费PMC文章。
评估贝叶斯非参数增长曲线建模中精确参数先验的影响。
童X、柯Z。 Tong X等人。前心理医生。2021年3月31日；12:624588. doi:10.3389/fpsy.2021.624588。2021年电子采集。前心理医生。2021 PMID：33868090 免费PMC文章。
非参数贝叶斯仪器变量分析：评估冠状动脉通路策略的异质性影响。
Adhikari S、Rose S、Norman SL。 Adhikari S等人。 2020年美国统计协会杂志；115(532):1635-1644. doi:10.1080/01621459.2019.1688663。Epub 2020年1月3日。美国统计协会杂志，2020年。 PMID：33568877 免费PMC文章。
体重指数在结直肠癌诊断中对生存率黑白差异的作用：一种密度回归调解方法。
Devick KL、Valeri L、Chen J、Jara A、Bind MA、Coull BA。 Devick KL等人。生物统计学。2022年4月13日；23(2):449-466. doi:10.1093/biostatistics/kxaa034。生物统计学。2022 PMID：32968805 免费PMC文章。
开放式和关节镜下骨囊置换术治疗原发性肘部骨关节炎的运动范围改善和并发症发生率：一项系统综述。
Kim DM、Han M、Jeon IH、Shin MJ、Koh KH。 Kim DM等人。国际骨科。2020年2月；44(2):329-339. doi:10.1007/s00264-019-04458-z。Epub 2019年12月13日。国际骨科。2020 PMID：31834444 审查。

查看所有“被引用”文章

工具书类

1. Albert JH，Chib S.二值和多值响应数据的贝叶斯分析。美国统计协会杂志。1993;88:669–679.
1. Antoniak行政长官。Dirichlet过程与贝叶斯非参数问题应用的混合。统计年鉴。1974;2:1152–1174.
1. Aslanidou H，Dey DK，Sinha D.使用蒙特卡罗方法对多变量生存数据进行贝叶斯分析。加拿大统计杂志。1998;26:33–48.
1. Besag J，Green P，Higdon D，Mengersen K。贝叶斯计算和随机系统（含讨论）统计科学。1995;10:3–66.
1. Branscum A，Hanson T.使用Polya树混合模型的贝叶斯非参数荟萃分析。生物计量学。2008;第64:825–833页。-公共医学

赠款和资金

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心

[1] Albert JH，Chib S.二值和多值响应数据的贝叶斯分析。美国统计协会杂志。1993;88:669–679.

[2] Albert JH，Chib S.二值和多值响应数据的贝叶斯分析。美国统计协会杂志。1993;88:669–679.

[3] Antoniak行政长官。Dirichlet过程与贝叶斯非参数问题应用的混合。统计年鉴。1974;2:1152–1174.

[4] Antoniak行政长官。Dirichlet过程与贝叶斯非参数问题应用的混合。统计年鉴。1974;2:1152–1174.

[5] Aslanidou H，Dey DK，Sinha D.使用蒙特卡罗方法对多变量生存数据进行贝叶斯分析。加拿大统计杂志。1998;26:33–48.

[6] Aslanidou H，Dey DK，Sinha D.使用蒙特卡罗方法对多变量生存数据进行贝叶斯分析。加拿大统计杂志。1998;26:33–48.

[7] Besag J，Green P，Higdon D，Mengersen K。贝叶斯计算和随机系统（含讨论）统计科学。1995;10:3–66.

[8] Besag J，Green P，Higdon D，Mengersen K。贝叶斯计算和随机系统（含讨论）统计科学。1995;10:3–66.

[9] Branscum A，Hanson T.使用Polya树混合模型的贝叶斯非参数荟萃分析。生物计量学。2008;第64:825–833页。-公共医学

[10] Branscum A，Hanson T.使用Polya树混合模型的贝叶斯非参数荟萃分析。生物计量学。2008;第64:825–833页。-公共医学

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源

DPpackage:R中的贝叶斯非参数和半参数建模

附属

DPpackage:R中的贝叶斯非参数和半参数建模

作者

附属

摘要

数字

类似文章

引用人

工具书类

赠款和资金

LinkOut-更多资源

全文源

摘要

数字

类似文章

引用人

工具书类

相关信息

赠款和资金

LinkOut-更多资源

全文源