×
巴纳·米拉贝特（Baena-Mirabete，S.）。；安娜·埃斯皮纳尔；佩德罗·普伊格

探索大脑产生的头尾序列的随机性。 （英语） Zbl 07290033号

统计模型。 20，第3期，225-248（2020年）.
总结：众所周知，人们会偏离随机性，因为他们试图在脑海中尽可能随机地生成头尾序列。这种偏离随机性的量化方法是，连续反应之间的重复或交替次数超过了预期。我们进行了一个实验，要求一个学生样本在心理上模拟一个序列，就像它是由一枚公平的硬币产生的一样。我们提出了几个基于马尔可夫链的模型，用于分析这些序列中头尾结果的动态。首先，我们研究观察到的马尔可夫链，并提出一些实用的解决方案来减少参数的数量。然而，需要更复杂的模型，在这种情况下，我们提出了潜在马尔可夫模型和马尔可夫链的混合来分析这些首尾序列。还考虑了所谓的混合跃迁分布（MTD）模型的推广。

MSC公司：

62至XX 统计

关键词：

纵向数据；高阶马尔可夫链；潜在马尔可夫模型；马尔可夫链的混合

软件：

SAS公司；R（右）；LMest（最小）；SAS/STAT系统
PDF格式BibTeX公司 XML格式引用
\textit{S.Baena-Mirabete}等人，统计模型。20，第3225-248号（2020；兹bl 07290033）
全文： 内政部

参考文献：

[1] Albert，P（1991）癫痫发作计数时间序列的两状态马尔可夫混合模型。生物识别, 47, 1371-81. ·doi:10.2307/2532392
[2] Altman，R（2007）混合隐马尔可夫模型：隐马尔可夫模型对纵向数据集的扩展。美国统计协会杂志, 102, 201-10. ·Zbl 1284.62803号 ·doi:10.198/01621456000001086
[3] Baddeley，A（1986）工作记忆牛津：牛津大学出版社。
[4] Baddeley，A，Emslie，H，Kolodny，J，Duncan，J（1998）随机生成——工作记忆的执行控制。实验心理学季刊，51819-52。
[5] Baena-Mirabete，S，Puig，P（2018）评级转换的简约高阶马尔可夫模型。英国皇家统计学会杂志：A辑, 181, 107-31. ·doi:10.1111/rssa.12267
[6] Bar-Hillel，M，Wagenaar，WA（1991）《随机性的感知》。应用数学进展, 12, 428-54. ·Zbl 0743.92036号 ·doi:10.1016/0196-8858（91）90029-I
[7] Bartolucci，F，Bacci，S，Pennoni，F（2014a）通过混合潜伏自回归模型对自我报告的健康状况进行纵向分析。英国皇家统计学会杂志：C辑, 63, 267-88. ·doi:10.1111/rssc.12030
[8] Bartolucci，F，Farcomeni，A（2010）关于混合转移分布和隐马尔可夫模型的注释。时间序列分析杂志, 31, 132-38. ·Zbl 1224.62030号 ·文件编号：10.1111/j.1467-9892.2009.00650.x
[9] Bartolucci，F，Farcomeni，A，Pennoni，F（2013）纵向数据的潜在马尔可夫模型佛罗里达州博卡拉顿：查普曼和霍尔/CRC·Zbl 1341.62002号
[10] Bartolucci，F，Farcomeni，A，Pennoni，F（2014b）潜在马尔可夫模型：具有协变量的纵向数据分析的一般框架综述。测试, 23, 433-65. ·Zbl 1305.62299号 ·doi:10.1007/s11749-014-0381-7
[11] Bartolucci，F，Lupparelli，M，Montanari，G（2009）纵向二进制数据的潜在马尔可夫模型：在疗养院绩效评估中的应用。应用统计学年鉴, 3, 611-36. ·Zbl 1166.62330号 ·doi:10.1214/08-AOAS230
[12] Bartolucci，F，Pennoni，F（2007）捕获再捕获数据的一类潜在马尔可夫模型，考虑了时间、异质性和行为效应。生物识别, 63, 568-78. ·Zbl 1134.62080号 ·文件编号：10.1111/j.1541-0420.2006.00702.x
[13] Bartolucci，F，Pandol，S，Pennoni，F（2017）LMest:纵向分类数据潜在马尔可夫模型的R包。统计软件杂志, 81, 1-38. doi:10.18637/jss.v081.i04。URL https://www.jstatsoft.org/v081/i04（上次访问时间：2018年12月12日）。
[14] Berchtold，A，Raftery，A（2002）高阶马尔可夫链和非高斯时间序列的混合转移分布模型。统计科学, 17, 328-56. ·Zbl 1013.62088号 ·doi:10.1214秒/秒1042727943
[15] Breslow，NE，Clayton，DG（1993）广义线性混合模型中的近似推断。美国统计协会杂志, 88, 9-25. ·Zbl 0775.62195号
[16] Brugger，P，Monsch，AU，Salmon，D，Butters，N（1996）阿尔茨海默型痴呆症的随机数生成：额叶执行功能测试。神经心理学, 34, 97-103. ·doi:10.1016/0028-3932（95）00066-6
[17] Budescu，DV（1985）存在序列相关性的二分法变量分析。心理学公报, 97, 547-61. ·doi:10.1037/0033-2909.97.3.547
[18] Budescu，DV（1987）生成随机二进制序列的马尔可夫模型。实验心理学杂志：人类感知与表现, 13, 25-39. ·doi:10.1037/0096-1523.13.1.25
[19] Cox，D（1981）《时间序列的统计分析：一些最新发展》。斯堪的纳维亚统计杂志, 8, 93-115. ·Zbl 0468.62079号
[20] Dayton，C，Macready，G（1988）伴随变量潜在类模型。美国统计协会杂志, 83, 173-78. ·doi:10.1080/01621459.1988.10478584
[21] Dempster，A，Laird，N，Rubin，D（1977）通过EM算法从不完整数据进行最大似然估计（含讨论）。英国皇家统计学会杂志：B辑, 39, 1-38. ·Zbl 0364.62022号
[22] Falk，R，Konold，C（1997）《理解随机性：作为判断基础的隐含编码》。心理回顾, 104, 301-18. ·doi:10.1037/0033-295X.104.2.301
[23] 费恩伯格，东南部（1980年）交叉分类数据分析，第二版马萨诸塞州剑桥：麻省理工学院出版社·Zbl 0499.62049号
[24] Fitzmaurice，G，Davidian，M，Verbeke，G，Molenberghs，G（2008）纵向数据分析伦敦：查普曼和霍尔/CRC·兹比尔1144.62087 ·doi:10.1201/9781420011579
[25] Fokianos，K，Kedem，B（2003）分类时间序列的回归理论。统计科学, 18, 357-76. ·Zbl 1055.62095号 ·doi:10.1214秒/1076104225
[26] García-Viedma，M，Fernandez-Guinea，S，Martos，R，Ortega-Martínez，a（2015）轻度阿尔茨海默病记忆需求最低的随机生成任务。Accion Psicologica公司, 12, 47-56. ·doi:10.5944/ap.12.1.15317
[27] Gaver，D，O’Muirchartaigh，I（1987）事件率的稳健经验贝叶斯分析。技术计量学, 29, 1-15. ·Zbl 0611.62124号 ·doi:10.1080/00401706.1987.10488178
[28] Gibbons，R，Hedeker，D，Charles，S，Frisch，P（1994）预测医疗事故索赔的随机效应概率模型。美国统计协会杂志, 89, 760-67. ·doi:10.1080/01621459.1994.10476809
[29] Jackson，J，Albert，P，Zhang，Z（2015）危险青少年驾驶行为的两州混合隐马尔可夫模型。应用统计学年鉴, 9, 849-65. ·Zbl 1397.62287号 ·doi:10.1214/14-AOAS765
[30] Jackson，J，Albert，P，Zhang，Z，Simons-Morton，B（2013）序贯潜在变量模型及其在新执照青少年驾驶人研究中的应用。英国皇家统计学会杂志：C辑, 62, 435-50. ·文件编号：10.1111/j.1467-9876.2012.01065.x
[31] Kareev，Y（1992）毕竟没那么糟糕：随机序列的生成。实验心理学杂志：人类感知与表现, 18, 1189-94. ·doi:10.1037/0096-1523.18.41189
[32] Katz，R（1981）关于马尔可夫链阶估计的一些准则。技术计量学, 23, 243-49. ·兹伯利0485.62086 ·doi:10.2307/1267787
[33] Kharin，Y，Maltsau，M（2014）《条件顺序的马尔可夫链：属性和统计分析》。奥地利统计杂志, 43, 205-16. ·doi:10.17713/ajs.v43i3.32
[34] Kharin，Y，Petlitskii，A（2007）具有r部分连接的马氏序链及其参数的统计推断。离散数学与应用第17295-317页·Zbl 1282.62178号 ·doi:10.1515/dma.2007.026
[35] Leroux，B，Puterman，M（1992）独立和Markov相关混合模型的最大似然估计。生物识别, 48, 545-58. ·doi:10.2307/2532308
[36] Lopes，LL，Oden，GC（1987）《随机事件和非随机事件的区分》。实验心理学杂志：学习、记忆和认知, 13, 392-400. ·数字对象标识代码：10.1037/0278-7393.13.3.392
[37] Miller，GA（1956）神奇的数字7，加或减2：对我们处理信息能力的一些限制。心理回顾, 63, 81-97. ·doi:10.1037/h0043158
[38] Morris，C（1983）参数经验贝叶斯推断：理论与应用。美国统计协会杂志, 78, 47-55. ·Zbl 0506.62005年 ·doi:10.1080/01621459.1983.10477920
[39] Neuringer，A（1986）人们能“随意”行事吗？反馈的作用。实验心理学杂志：综述, 115, 62-75. ·doi:10.1037/0096-3445.115.1.62
[40] Nickerson，RS（2002）随机性的产生和感知。心理回顾, 109, 330-57. ·doi:10.1037/0033-295X.109.2.330
[41] Park，J，Basawa，I（2002）混合马尔可夫过程的估计。统计与概率信件, 59, 235-44. ·Zbl 1045.62080号 ·doi:10.1016/S0167-7152（02）00127-X
[42] Petrie，T（1969）有限状态马尔可夫链的概率函数。数理统计年报, 40, 97-115. ·Zbl 0181.21201号 ·doi:10.1214/aoms/1177697807
[43] Pinheiro，J，Bates，D（1995）非线性混合效应模型中对数似然函数的近似。计算与图形统计杂志, 4, 12-35.
[44] R核心团队（2017）R： 统计计算语言和环境。维也纳：R统计计算基金会。统一资源定位地址网址：http://www.R-project.org/（上次访问日期：2018年12月12日）。
[45] Raftery，A（1985）高阶马尔可夫链模型。英国皇家统计学会杂志：B辑，第47528-39页·Zbl 0593.62091号
[46] Rapoport，A，Budescu，DV（1997）个人选择行为的随机化。心理回顾, 104, 603-17. ·doi:10.1037/0033-295X.104.3.603
[47] Reichenbach，H（1949年）概率论：概率演算的逻辑和数学基础探讨加州伯克利：加利福尼亚大学出版社·Zbl 0038.28604号
[48] Rosen，O，Jiang，W，Tanner，M（2000）边际模型的混合。生物特征, 87, 391-404. ·Zbl 0949.62067号 ·doi:10.1093/biomet/87.2.391
[49] Saaty，TL，Ozdemir，MS（2003）为什么神奇的数字7加或减2。数学和计算机建模, 38, 233-44. ·Zbl 1106.91312号 ·doi:10.1016/S0895-7177（03）90083-5
[50] Salamé，P，Danion，J（2007）精神分裂症患者在不思考思维中保留对不当反应的抑制，在随机数生成任务中受损。国际神经心理学学会杂志, 13, 277-87. ·doi:10.1017/S1355617707070300
[51] SAS研究所（2011）SAS/STAT软件，9.3版卡里，北卡罗来纳州：SAS研究所。
[52] Skrondal，A，Rabe-Hesketh，S（2009）《多级广义线性模型中的预测》。英国皇家统计学会杂志：A辑, 172, 659-87. ·doi:10.1111/j.1467-985X.2009.00587.x
[53] Slud，E，Kedem，B（1994）逻辑回归和自回归的偏似然分析。中国统计局, 4, 89-106. ·Zbl 0824.62084号
[54] Spatt，J，Goldenberg，G（1993）正常受试者和执行障碍综合征患者的随机生成成分。大脑与认知, 23, 231-42. ·doi:10.1006/brcg.1993.1057
[55] Thijs，H，Molenberghs，G，Michiels，B，Verbeke，G，Curran，D（2002）模式混合模型拟合策略。生物统计学, 3, 245-65. ·Zbl 1133.62371号 ·doi:10.1093/biostatistics/3.2.245
[56] Towse，J（1998）关于工作记忆的随机生成和中央执行。英国心理学杂志，89，77-101·doi:10.1111/j.2044-8295.1998.tb02674.x
[57] Van de Pol，F，Langeheine，R（1990）混合马尔可夫潜在类模型。社会学方法, 20, 213-47. ·doi:10.2307/271087
[58] Van der Linden，M，Beerten，A，Pesenti，M（1998），随机世代中与年龄相关的差异。大脑与认知, 38, 1-16. ·doi:10.1006/brcg.1997.0969
[59] Vermunt，JK（2010）使用混合模型的纵向研究。在潜在变量的纵向研究由K van Montfort、J Oud和A Satorra编辑，第119-52页。柏林和海德堡：施普林格。 ·doi:10.1007/978-3642-11760-24
[60] Vermunt，J，Langeheine，R，Bockenholt，U（1999）具有时间常数和时变协变量的离散离散状态潜在马尔可夫模型。教育与行为统计杂志, 24, 179-207.
[61] 维金斯，L（1973）小组分析：态度和行为过程的潜在概率模型阿姆斯特丹：爱思唯尔。
[62] Zeger，S，Qaqish，B（1988）时间序列的马尔可夫回归模型：拟似然方法。生物识别, 44, 1019-31. ·Zbl 0715.62166号 ·doi:10.2307/2531732
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。