贝叶斯半参数混合效应马尔可夫链
统计方法学
2016-12-20 v2
摘要
利用动物发声模型研究人类声音交流机制的神经学、遗传学和进化基础是神经科学的一个重要领域。相关数据集通常包含不同基因型动物在不同社会背景下产生的结构化音节或“歌声”序列。我们为此类数据的推断开发了一种新颖的贝叶斯半参数框架。该方法建立在一类新型的歌声混合效应马尔可夫转移模型之上，该模型能够容纳基因型和背景的外源影响以及动物个体特异性异质性。我们设计了高效的马尔可夫链蒙特卡罗算法用于后验计算。所提方法的关键优势在于，能够通过自动假设检验，为外源预测变量对转移动态的全局和局部影响等关键科学问题提供洞见。我们通过仿真实验和前述神经科学中的激励应用说明了该方法。
引用
@article{arxiv.1611.05509,
title = {Bayesian Semiparametric Mixed Effects Markov Chains},
author = {Abhra Sarkar and Jonathan Chabout and Joshua Jones Macopson and Erich D. Jarvis and David B. Dunson},
journal= {arXiv preprint arXiv:1611.05509},
year = {2016}
}