|
بهبود الگوریتم ساختاری مونت کارلوی زنجیر مارکوف در مدل های چند سطحی با متغیر پاسخ نرمال
|
عاطفه فرخی   ، موسی گل علی زاده* |
|
|
|
چکیده: (21619 مشاهده) |
| مدل های چند سطحی در علوم کاربردی شامل علوم اجتماعی، جامعه شناسی، پزشکی و اقتصاد برای تحلیل داده های همبسته مورد استفاده قرار می گیرند. روش های متفاوتی برای برآورد این مدل ها با متغیر پاسخ نرمال وجود دارند. در این مقاله برای به کارگیری روش بیزی از تعمیم الگوریتم مونت کارلوی زنجیر مارکوف استفاده می شود که قالبی ساده داشته و باعث حذف همبستگی بین نمونه های شبیه سازی برای پارامترهای ثابت وخطای منتسب به گروه ها می شود. چون بعد ماتریس کواریانس بردار خطای جدید افزایش می یابد، برای تسریع همگرایی این روش دو راهکار بر مبنای تجزیه چولسکی ماتریس کواریانس پیشنهاد می شود. سپس عملکرداین روش ها در مطالعه شبیه سازی و مثالی کاربردی مورد ارزیابی قرار می گیرد. |
|
| واژه‌های کلیدی: داده های چند سطحی، مدل های عرض از مبدا تصادفی، الگوریتم مونت کارلوی زنجیر مارکوف، تجزیه چولسکی. |
|
|
متن کامل [PDF 2123 kb]
(4275 دریافت)
|
نوع مطالعه: كاربردي و توسعه ای |
موضوع مقاله:
آمار کاربردی
دریافت: 1390/10/14 | پذیرش: 1390/10/15 | انتشار: 1394/3/27
|
|
|
|
|
|
