کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10147236 1646466 2019 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient computation for Bayesian comparison of two proportions
ترجمه فارسی عنوان
محاسبه کارآمد برای مقایسه بیزی دو تناسب
کلمات کلیدی
تحلیل بیزی، مقایسه تناسبات، انتگرال توزیع بتا، تابع هایپرهندسی
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

۱. مقایسه بیزی دو تناسب

۱.۱. ارزیابی تابع هایپرهندسی تعمیم یافته

۱.۲. روابط هم‌ارزی

۱.۳. عبارت مورد توجه خاص

۲. نتایج وابسته

۳. بحث
ترجمه چکیده
در مقایسه بیزی دو تناسب، محاسبه دقیق اثبات شامل ارزیابی یک تابع هایپرهندسی تعمیم یافته است. چندین عبارت سازگار، اما نه یکسان، برای این اثبات در منابع استنباط شده است؛ با این حال، محاسبات عملکردی آن‌ها (با جمع سری‌های هایپر هندسی کوتاه شده) با همگرایی کند یا حذف فاجعه آمیز می‌تواند مشکل‌دار شود. با استفاده از مجموعه‌ای از روابط هم‌ارزی برای تابع هایپر هندسی تعمیم یافته، ده عبارت هم‌ارز برای علامت بدست آوردیم: نشان می‌دهیم که یکی از این فرمول‌بندی‌هایی که قبلا مطالعه نشده‌است، برحسب خواص محاسباتی‌اش برترین است. به جای استفاده از فرمول‌بندی‌های موجود، ما استفاده از این فرمول‌بندی را پیشنهاد می‌کنیم و یک اجرای کارآمد نرم‌افزاری را فراهم می‌کنیم.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
پیش نمایش مقاله
محاسبه کارآمد برای مقایسه بیزی دو تناسب
چکیده انگلیسی
In Bayesian comparison of two proportions, the exact computation of the evidence involves evaluating a generalized hypergeometric function. Several agreeing, but not identical, expressions for the evidence have been derived in the literature; however, their practical computation (by summing the truncated hypergeometric series) can be troubled by slow convergence or catastrophic cancellation. Using a set of equivalence relations for the generalized hypergeometric function, we derive ten equivalent expressions for the evidence: We show that one of these formulations, which has not previously been studied, is superior in terms of its computational properties. We recommend that this be used instead of existing formulations, and provide an efficient software implementation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Statistics & Probability Letters - Volume 145, February 2019, Pages 57-62
نویسندگان
, ,