有向无环图中的冲突诊断及其在贝叶斯证据合成中的应用
统计方法学
2013-10-03 v1
摘要
由有向无环图 (DAG) 表示的复杂随机模型正越来越多地用于综合多种不完美且各异的证据来源，以估计难以直接测量的量。各种数据源依赖于共享参数，因此它们之间以及它们与模型之间可能存在冲突。在贝叶斯框架下，模型由三个部分组成：先验分布、假设的似然函数形式和结构性假设。这些组成部分中的任何一个都可能与观测数据不兼容。因此，检测并量化此类冲突以及彼此不一致的数据源，是模型批评过程的关键组成部分。我们首先回顾贝叶斯模型批评，重点关注冲突检测，然后描述一种通用的诊断方法，用于检测和量化 DAG 不同分区中证据之间的冲突。该诊断基于 p 值，其原理是将贡献于“分隔”节点或节点组推断的信息拆分为两个独立组，并检验这两组是否产生关于分隔节点相同的推断。我们通过三个综合示例说明该方法：估算 HIV 流行率的证据合成；估算流感病例严重程度的证据合成；以及大鼠体重的分层生长模型。
引用
@article{arxiv.1310.0628,
title = {Conflict Diagnostics in Directed Acyclic Graphs, with Applications in Bayesian Evidence Synthesis},
author = {Anne M. Presanis and David Ohlssen and David J. Spiegelhalter and Daniela De Angelis},
journal= {arXiv preprint arXiv:1310.0628},
year = {2013}
}
备注
Published in at http://dx.doi.org/10.1214/13-STS426 the Statistical Science (http://www.imstat.org/sts/) by the Institute of Mathematical Statistics (http://www.imstat.org)