×

多个相关功能结果的建模和预测。 (英语) Zbl 1426.62314号

摘要:我们提出了一种基于连接词的方法,用于分析具有异质形状特征的相关多功能结果的功能数据。为了适应由于具有多个函数结果而可能出现的大量参数,参数估计分两步进行:首先,使用斜t族估计边缘分布的参数,然后使用高斯copula估计结果内和结果间的依赖结构。我们开发了一种基于Karhunen-Loève展开的依赖参数估计算法和一种EM算法,该算法大大降低了问题的维数,并且计算效率高。当其他结果已知时,我们还证明了对未知结果的预测。我们将我们的方法应用于具有三种结局的多发性硬化(MS)患者的扩散张量成像数据,并确定MS组和对照组之间的边缘分布和依赖性结构的差异。我们提出的方法非常通用,可以应用于生物学和其他领域中具有多种结果的其他功能数据。

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
62小时05 多元概率分布的表征与结构理论;连接线
PDF格式BibTeX公司 XML格式引用
全文: 内政部 链接

参考文献:

[1] Azzalini,A.(1985)。包含正态分布的一类分布。斯堪的纳维亚统计杂志12,171-178·Zbl 0581.62014号
[2] — (2011). R包“sn”:偏态正态分布和偏态t分布(版本0.4-17)。统一资源定位地址http://azzalini.stat.unipd.it/SN,2012年8月1日访问。
[3] — (2014). 《偏正态及相关族》,数理统计研究所专著,剑桥大学出版社·Zbl 1338.62007号
[4] Azzalini,A.和Capitanio,A.(2003)。对称扰动产生的分布,强调多元斜分布。英国皇家统计学会杂志,B65367-389系列·Zbl 1065.62094号 ·数字对象标识代码:10.1111/1467-9868.00391
[5] Basser,P.J.、Mattiello,J.和LeBihan,D.(1994年)。磁共振扩散张量光谱和成像。《生物物理杂志》66,259-267·doi:10.1016/S0006-3495(94)80775-1
[6] Basser,P.J.、Pajevic,S.、Pierpaoli,C.、Duda,J.和Aldroubi,A.(2000年)。利用dt-mri数据进行体内纤维束成像。医学中的磁共振44,625-632·doi:10.1002/1522-2594(200010)44:4<625::AID-MRM17>3.0.CO;2-O型
[7] 曹,J.,王磊,黄,Z.,盖杰,吴,R.(2017)。多重动态性状的功能映射。《农业、生物和环境统计杂志》22,60-75·Zbl 1373.62537号 ·doi:10.1007/s13253-016-0275-0
[8] Crainiceanu,C.M.、Reiss,P.、Goldsmith,J.、Huang,L.、Huo,L.、Scheipl,F.等人(2012年)。R包“退款”:使用功能数据回归(版本0.1-6)。统一资源定位地址http://cran.r-project.org/web/packages/refund/index.html,已访问2010。
[9] Dempster,A.P.、Laird,N.M.和Rubin,D.B.(1977年)。通过EM算法从不完整数据中获得最大似然。英国皇家统计学会杂志,B39系列,1-38·Zbl 0364.62022号
[10] Di C.、Crainiceanu C.M.、Caffo B.S.和Punjabi N.M.(2009年)。多层次功能主成分分析。应用统计年鉴3,458-488·兹比尔1160.62061 ·doi:10.1214/08-AOAS206
[11] Dubin,J.A.和Müller,H.G.(2005)。多元纵向数据的动态相关性。《美国统计协会杂志》100(471),872-881·Zbl 1117.62320号 ·doi:10.1198/0162145000001989
[12] Ferraty,F.和Romain,Y.(2010年)。牛津函数数据分析手册。纽约:牛津大学出版社。
[13] Goldsmith,J.,Feder,J.、Crainiceanu,C.M.、Caffo,B.和Reich,D.S.(2011年a)。惩罚函数回归。计算与图形统计杂志20,830-851·doi:10.1198/jcgs.2010.1007
[14] Goldsmith,J.、Crainiceanu,C.M.、Caffo,B.和Reich,D.S.(2011年B)。多发性硬化患者白质束特征的惩罚功能回归分析。神经影像57,431-439·doi:10.1016/j.neuroimage.2011.04.044
[15] — (2012). 神经束测量认知结果的纵向惩罚功能回归。英国皇家统计学会杂志,C61系列,453-469·文件编号:10.1111/j.1467-9876.2011.01031.x
[16] Greven,S.、Crainiceanu,C.M.、Caffo,B.和Reich,D.S.(2010年)。纵向功能主成分分析。电子统计杂志1022-1054·Zbl 1329.62334号 ·doi:10.1214/10-EJS575
[17] Li,H.、Staudenmayer,J.和Carroll,R.J.(2014)。混合连续和二进制测量的层次功能数据。生物计量学70(4),802-811·Zbl 1393.62076号 ·doi:10.1111/biom.12211
[18] McLean,M.W.、Hooker,G.、Staicu,A.、Scheipl,F.和Ruppert,D.(2014)。泛函广义可加模型。计算与图形统计杂志23(1),249-269。
[19] Owen,D.B.(1956年)。计算二元正态概率的表格。《数理统计年鉴》271075-1090·兹伯利0073.13405 ·doi:10.1214/aoms/1177728074
[20] Ozturk,A.、Smith,S.A.、Gordon-Lipkin E.M.、Harrison,D.M.、Shiee,N.、Pham,D.L.等人(2010年)。多发性硬化胼胝体的MRI:与残疾的关系。多发性硬化16,166-177·doi:10.1177/1352458509353649
[21] Ramsay,J.O.和Silverman,B.W.(2005)。功能数据分析。纽约:斯普林格·Zbl 1079.62006号
[22] Redd,A.(2011年)。R包“正交样条线”:正交样条基函数(版本0.1.5)。统一资源定位地址http://osplinebasis.r-forger.r-project.org,2013年2月1日访问。
[23] Reich,D.S.、Smith,S.A.、Zackowski,K.M.、Gordon-Lipkin,E.M.、Jones,C.K.、Farrel,J.A.D.等人(2005年)。多发性硬化皮质脊髓束的多参数磁共振成像分析。神经影像38,271-279·doi:10.1016/j.neuroimage.2007.07.049
[24] Ruppert,D.(2002)。为受惩罚的样条线选择节点数。计算与图形统计杂志11,735-757·doi:10.1198/106186002853
[25] Ruppert,D.、Wand,M.P.和Carroll,R.J.(2003)。半参数回归,剑桥:剑桥大学出版社·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453
[26] Staicu,A.-M.、Crainiceanu,C.M.和Carroll,R.J.(2010年)。空间相关多级函数数据的快速方法。生物统计11,177-194·兹比尔1437.62610 ·doi:10.1093/biostatistics/kxp058
[27] Staicu,A.、Crainiceanu,C.M.、Reich,D.S.和Ruppert,D.(2012)。使用空间异构形状特征建模功能数据。生物统计学68,331-343·Zbl 1251.62050号 ·文件编号:10.1111/j.1541-0420.2011.01669.x
[28] Tsing,T,and Eubank,R.(2015)《函数数据分析的理论基础与线性算子导论》,Wiley。
[29] Wood,S.N.(2006)。广义加性模型:佛罗里达州博卡拉顿简介:Chapman&Hall/CRC·Zbl 1087.62082号 ·doi:10.1201/9781420010404
[30] Zhou,L.、Huang,J.Z.和Carroll,R.J.(2008)。使用主成分对稀疏函数数据进行联合建模。生物特征95,601-619·Zbl 1437.62676号 ·doi:10.1093/biomet/asn035
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。