基于马尔可夫链蒙特卡罗与概率编程（RStan）的剂量-反应优化方法
应用统计
2020-12-01 v1
摘要
本文提出并在 R 中实现了一个分层逻辑回归贝叶斯模型，用于建模患者在给定某种药物任意剂量下病情改善的概率。利用 RStan 通过马尔可夫链蒙特卡罗（MCMC）采样从后验分布中获得样本。考察了选择不同先验分布族的影响，最后将后验分布在 RStan 与另外两个环境（即 PyMC 和 AgenaRisk）之间进行比较。
引用
@article{arxiv.2011.15034,
title = {A Markov Chain Monte-Carlo Approach to Dose-Response Optimization Using Probabilistic Programming (RStan)},
author = {Dorsa Mohammadi Arezooji},
journal= {arXiv preprint arXiv:2011.15034},
year = {2020}
}
备注
12 pages, 9 figures "for code source, see https://github.com/Dorsa-Arezooji/Sick-Pigs"