纳曼·阿里·阿扎迪；保罗·费恩黑德；加雷思·里达尔；乔琳·布洛克。 二进制响应数据的贝叶斯序贯实验设计及其在肌电图实验中的应用。 （英语） Zbl 1327.62444号 贝叶斯分析。 9，第2期，287-306（2014）. 总结：我们开发了一种序贯蒙特卡罗方法，用于对二进制响应数据的实验设计进行贝叶斯分析。我们的工作受到表面肌电（SEMG）实验的启发，这些实验可用于提供有关受试者运动单位功能的信息。这些实验包括对运动单位施加一系列刺激，记录运动单位对每个刺激是否激发。其目的是了解放电的概率如何依赖于所施加的刺激（所谓的刺激-反应曲线）。一个这样的兴奋性参数是对刺激水平的估计，运动单元有50%的激发机会。在这样的实验中，我们可以根据过去的观察结果选择下一个刺激水平。我们展示了如何使用序贯蒙特卡罗法在线分析此类数据。然后，我们使用后验分布的当前估计值来选择下一个刺激水平。其目的是选择一个刺激水平，以模拟估计一个或多个感兴趣的数量的预期损失。我们将把这个损失函数应用于从刺激-响应曲线估计目标分位数。通过仿真，我们表明该方法在估计感兴趣的分位数方面比现有的顺序设计方法更有效。如果在实践中应用，它可以将SEMG实验的长度缩短三倍。 引用于2文件 MSC公司： 62升05 顺序统计设计 2015年1月62日 贝叶斯推断 第62页，共15页 统计学在心理学中的应用 62J12型 广义线性模型（逻辑模型） 关键词：贝叶斯设计；顺序设计；电动机装置；粒子滤波；广义线性模型；二进制响应 软件：数据链路管理 PDF格式BibTeX公司 XML格式引用 \textit{N.A.Azadi}等人，《贝叶斯分析》。9，第2号，287--306（2014；Zbl 1327.62444） 全文： 内政部 欧几里得 参考文献： [1] Azadi，N.A.（2011年）。“模拟单个运动单元的兴奋性行为和表面肌电测试的实验设计”，英国兰卡斯特大学数学与统计系博士论文。 [2] Benassi，R.、Bect，J.和Vazquez，E.（2011年）。“使用完全贝叶斯预期改进标准的基于稳健高斯过程的全局优化”，《学习与智能优化》，6683:176-190。 [3] Bostock，H.、Cikurel，K.和Burke，D.（1998年）。《人类外周神经研究中的阈值跟踪技术》，《肌肉神经》，21（2）：137-158。 [4] Burke，D.、Kiernan，M.C.和Bostock，H.（2001年）。《人类轴突的兴奋性》，《临床神经生理学》，112（9）：1575-1585。 [5] Chaloner，K.和Verdinelli，I.（1995年）。“贝叶斯实验设计：综述”，《统计科学》，10（3）：273-304·Zbl 0955.62617号 ·doi:10.1214/ss/1177009939 [6] Chaudhuri，P.和Mykland，P.A.（1993年）。“非线性实验：基于可能性的优化设计和推断”，《美国统计协会杂志》，88:938-546·Zbl 0774.62079号 ·doi:10.2307/2290334 [7] Dixon，W.J.和Mood，A.M.（1948年）。“获取和分析敏感数据的方法”，《美国统计协会期刊》，43:109-126·Zbl 0030.20702号 ·doi:10.2307/2280071 [8] Doucet，A.、de Freitas，J.F.G.和Gordon，N.J.（编辑）（2001年）。实践中的序贯蒙特卡罗方法。纽约：Springer-Verlag·兹比尔0967.00022 ·doi:10.1007/978-1-4757-3437-9 [9] Doucet，A.、Godsill，S.J.和Andrieu，C.（2000）。“贝叶斯滤波的序贯蒙特卡罗抽样方法”，《统计与计算》，10:197-208。 [10] Dror，H.A.和Steinberg，D.M.（2008）。“广义线性模型的序贯实验设计”，《美国统计协会杂志》，103（481）：288-198·Zbl 1471.62426号 ·doi:10.1198/0162145000001346 [11] Fearnhead，P.（2005）。“在粒子滤波器中使用随机准蒙特卡罗，并应用于金融时间序列”，《计算与图形统计杂志》，14:751-769·doi:10.1198/106186005X77243 [12] Gramacy，R.B.和Polson，N.G.（2009年）。“用于序列设计和优化的高斯过程模型的粒子学习”，《计算与图形统计杂志》，20（1）：102-118·doi:10.1198/jcgs.2010.09171 [13] Joseph，V.R.（2004）。“二进制数据的高效Robbins-Monro程序”，《生物特征》，91:461-470·Zbl 1079.62082号 ·doi:10.1093/biomet/91.2.461 [14] Joseph，V.R.、Tian，Y.和Wu，C.F.J.（2007）。“随机寻根的自适应设计”，《统计》，17:1549-1565·Zbl 1137.62054号 [15] Khuri，A.、Mukherjee，B.、Sinha，B.和Ghosh，M.（2006年）。“广义线性模型的设计问题：综述”，《统计科学》，21:373-399·Zbl 1246.62168号 ·doi:10.1214/08834230600000105 [16] Khuri，A.和Mukhopadhyay，S.（2006年）。GLM设计：依赖未知参数的困境，203年至223年。新加坡：世界科学·兹伯利05280079 [17] Liu，J.和West，M.（2001）。“基于仿真的滤波中的组合参数和状态估计”，Doucet，A.、de Freitas，J.F.G.和Gordon，N.J.（编辑），《序贯蒙特卡罗实践》，197-223。纽约：Springer-Verlag·Zbl 1056.93583号 ·doi:10.1007/978-1-4757-3437-910 [18] Liu，J.S.和Chen，R.（1998）。“动态系统的序贯蒙特卡罗方法”，《美国统计协会杂志》，93: 1032-1044. ·Zbl 1064.65500号 ·doi:10.2307/2669847 [19] Liu，J.S.、Chen，R.和Wong，W.H.（1998）。“拒绝控制和顺序重要性抽样”，《美国统计协会杂志》，93（443）：1022-1031·Zbl 1064.65501号 ·doi:10.2307/2669846 [20] Mathew，T.和Sinha，B.K.（2001年）。“逻辑回归下二进制数据的最优设计”，《统计规划与推断杂志》，93:295-307·Zbl 0965.62061号 ·doi:10.1016/S0378-3758（00）00173-7 [21] Mockus，J.（1989）。贝叶斯全局优化方法：理论与应用。纽约：斯普林格·Zbl 0693.49001号 [22] Neyer，B.T.（1994）。“基于D-最优的敏感性测试”，《技术计量学》，36:61-70。 [23] Petris，G.、Petrone，S.和Campagnoli，P.（2009）。带有R的动态线性模型。纽约：斯普林格·Zbl 1176.62088号 ·数字对象标识代码：10.1007/b135794 [24] Ridall，P.G.、Pettitt，A.N.、McCombe，P.A.和Henderson，R.D.（2006）。运动单位数估计，贝叶斯方法〉，《生物统计学》，16:1235-1250·Zbl 1114.62125号 ·文件编号：10.1111/j.1541-0420.2006.00577.x [25] Robbins，H.和Monro，S.（1951年）。“随机近似方法”，《数理统计年鉴》，29:400-407·Zbl 0054.05901号 ·doi:10.1214/aoms/1177729586 [26] Taddy，M.A.、Gramacy，R.B.和Polson，N.G.（2011年）。“学习和设计的动态树”，《美国统计协会杂志》，106（493）：109-123。统一资源定位地址http://EconPapers.repec.org/repec:bes:jnlasa:v:106:i:493:y:2011:p:109-123 ·Zbl 1396.62158号 ·doi:10.1198/jasa.2011.ap09769 [27] Voelkel，J.G.（1999）。“敏感性实验的序贯实验设计”，罗切斯特理工学院质量与应用统计中心技术报告。http://www.rit.edu/kgcoe/cqas/about/TR1999-1.pdf。 [28] 韦瑟里尔，J.B.（1963年）。《量子响应曲线的序列估计》，英国皇家统计学会期刊。B系列，25（1）：1-48·Zbl 0203.21505号 [29] Wu，C.F.J.和Tian，Y.（2013）。“灵敏度实验的三阶段序贯设计”，乔治亚理工学院技术报告。http://www2.isye.gatech.edu/jeffwu/3pod/optim_design.pdf。 [30] Wu，J.（1985）。“二进制数据的有效序列设计”，《美国统计协会杂志》，80:974-984·Zbl 0588.62133号 ·doi:10.2307/2288563 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。