Model selection by a genuinely Bayesian significance test: Multivariate normal mixtures and separated hypotheses / Seleção de modelos através de um teste de hipótese genuinamente Bayesiano: misturas de normais multivariadas e hipóteses separadas

AUTOR(ES)

Marcelo de Souza Lauretto

DATA DE PUBLICAÇÃO

2007

RESUMO

Nesta tese propomos o Full Bayesian Significance Test (FBST), apresentado por Pereira e Stern em 1999, para análise de modelos de misturas de normais multivariadas. Estendemos o conceito de modelos de misturas para explorar outro problema clássico em Estatística, o problema de modelos separados. Nas duas propostas, realizamos experimentos numéricos inspirados em problemas biológicos importantes: o problema de classificação não supervisionada de genes baseada em seus níveis de expressão, e o problema da discriminação entre os modelos Weibull e Gompertz - distribuições clássicas em análise de sobrevivência.

ASSUNTO(S)

hipóteses separadas mixture models testes de significância significance tests modelos de misturas separated hypotheses

Documentos Relacionados

• "Hypothesis testing and bayesian model selection for time series with a unit root"
• Aplicação de análises multivariadas em meta-raciocínio bayesiano: uma abordagem para sistemas especialistas de tempo-real.
• Mixtures modelling using scale mixtures of skew-normal distribution
• Seleção de modelos cópula-GARCH: uma abordagem bayesiana
• Modelos mistos na seleção entre e dentro de famílias de cana de açúcar sob o enfoque bayesiano