.png){kind=icon}
返回
Flexible Bayesian Multiple Comparison Adjustment Using Dirichlet Process and Beta-Binomial Model Priors
.png){kind=icon}
PRE
AI
DOI：10.1080/00031305.2025.2561146.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
研究人员经常希望评估组间的相等性或不相等性，但这提出了充分调整多重比较的挑战。统计上，所有可能的相等性和不相等性约束的配置都可以唯一地表示为组的划分，其中如果多个组位于划分的同一元素中，则它们相等。在贝叶斯框架中，可以通过构造所有可能划分上的合适先验分布来调整多重比较。受回归中变量选择工作的启发，我们提出了一类灵活的beta-二项先验用于多重比较调整。我们将此先验设置与Gopalan和Berry建议的狄利克雷过程先验以及不直接指定划分先验的多重比较调整方法进行了比较。我们的方法不仅允许研究人员评估成对相等性约束，还能同时评估所有组之间的所有可能相等性。由于可能划分的空间增长迅速——对于10个组，已有115,975种可能划分——我们使用随机搜索算法来高效探索该空间。我们的方法已在Julia包EqualitySampler中实现，并通过与均值、标准差和比例比较相关的示例进行了说明。
Keyword:
Equality constraints
Markov chain Monte Carlo
Partitions
Stochastic search
期刊
A
IF:
2.1
论文数:
61
被引数:
0
机构
引用论文
Spiked Dirichlet process prior for Bayesian multiple hypothesis testing in random
effects models
PREAI
分享收藏The Semi-Hierarchical Dirichlet Process and Its Application to Clustering Homogeneous Distributions
OAAI
OAAI分享收藏Frequentist Properties of Bayesian Multiplicity Control for Multiple Testing of Normal Means.png)
Sankhya A
Sankhya AIF0
PREAI
分享收藏BAYES AND EMPIRICAL-BAYES MULTIPLICITY ADJUSTMENT IN THE VARIABLE-SELECTION PROBLEM变量选择问题中的贝叶斯和经验贝叶斯多重性调整ANNALS OF STATISTICS
OAAI
ANNALS OF STATISTICSIF3.7
OAAI分享收藏
查看更多内容