嵌套设计中的函数型聚类：生殖流行病学研究中的变异性建模
应用统计
2014-11-21 v1
摘要
我们讨论适用于嵌套设计的函数型聚类方法，在此类设计中，研究中的每个受试者会收集多条曲线。我们首先考虑将标准函数型聚类工具应用于此问题，这会导致基于每个受试者平均轮廓的分组。在讨论了这种方法的一些缺点之后，我们提出一个基于广义嵌套 Dirichlet 过程混合的混合模型，该模型根据受试者曲线的分布对其进行聚类。通过使用广义 Dirichlet 过程混合，该模型在划分结构上引入了比其他流行的基于模型的聚类方法更为灵活的先验，允许随着观测数量的增加以不同的速率引入新聚类。我们使用来自早期妊娠研究中收集的多个月经周期的激素曲线来阐释这些方法。
引用
@article{arxiv.1411.5510,
title = {Functional clustering in nested designs: Modeling variability in reproductive epidemiology studies},
author = {Abel Rodriguez and David B. Dunson},
journal= {arXiv preprint arXiv:1411.5510},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS751 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)