izpis_h1_title_alt

Simple reparameterization to improve convergence in linear mixed models
ID Gorjanc, Gregor (Avtor), ID Flisar, Tina (Avtor), ID Martínez-Ávila, Jose Carlos (Avtor), ID García-Cortés, Luis Alberto (Avtor)

URLURL - Predstavitvena datoteka, za dostop obiščite http://aas.bf.uni-lj.si/zootehnika/96-2010/PDF/96-2010-2-69-73.pdf Povezava se odpre v novem oknu

Izvleček
Slow convergence and mixing are one of the main problems of Markov chain Monte Carlo (McMC) algorithms applied to mixed models in animal breeding. Poor convergence is to a large extent caused by high posterior correlation between variance components and solutions for the levels of associated effects. A simple reparameterization of the conventional model for variance component estimation is presented which improves McMC sampling and provides the same posterior distributions as the conventional model. Reparameterization is based on the rescaling of hierarchical (random) effects in a model, which alleviates posterior correlation. The developed model is compared against the conventional model using several simulated data sets. Results show that presented reparameterization has better behaviour of associated sampling methods and is several times more efficient for the low values of heritability.

Jezik:Angleški jezik
Ključne besede:statistics, mixed model, Bayesian analysis, McMC, reparameterization, convergence
Vrsta gradiva:Delo ni kategorizirano (r6)
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:BF - Biotehniška fakulteta
Leto izida:2010
Št. strani:Str. 69-73
Številčenje:Letn. 96, št. 2
PID:20.500.12556/RUL-15711 Povezava se odpre v novem oknu
UDK:519.2
ISSN pri članku:1581-9175
COBISS.SI-ID:2792328 Povezava se odpre v novem oknu
Datum objave v RUL:11.07.2014
Število ogledov:1336
Število prenosov:521
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Gradivo je del revije

Naslov:Acta agriculturae Slovenica
Skrajšan naslov:Acta agric. Slov.
Založnik:Biotehniška fakulteta
ISSN:1581-9175
COBISS.SI-ID:213840640 Povezava se odpre v novem oknu

Sekundarni jezik

Jezik:Slovenski jezik
Izvleček:
Počasna konvergenca je eden največjih problemov uporabe metode Monte Carlo z Markovimi verigami (McMC) za mešane modele na področju genetike in selekcije domačih živali. Slaba konvergenca je v veliki meri posledica visoke posteriorne korelacije med komponentami variance in rešitvami za ravni pripadajočih vplivov. Predstavljamo enostavno reparametrizacijo običajnega modela, ki izboljša lastnosti metode McMC in daje enake posteriorne porazdelitve parametrov modela kot standardni pristop. Reparametrizacija temelji na standardizaciji hierarhičnih (naključnih) vplivov v modelu, kar posledično spremeni posteriorne korelacije med parametri. Oba pristopa smo primerjali na večjem setu simuliranih podatkov. Rezultati kažejo, da reparametrizacija vodi do bolj učinkovitih metod McMC vzorčenja in je nekajkrat bolj učinkovita za analizo lastnosti z nizko heritabilitet.

Ključne besede:statistika, mešani model, bayesovska analiza, McMC, reparametrizacija, konvergenca

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj