کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4964917 1447938 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian approach to decompression sickness model parameter estimation
ترجمه فارسی عنوان
رویکرد بیزی به برآورد پارامتر مدل بیماری اختلال افسردگی
کلمات کلیدی
بیزی، مارکوف زنجیره ای مونت کارلو، بیماری افسردگی، مدل فشرده سازی، بیماری کبد،
ترجمه چکیده
ما هر دو روش حداکثر احتمال و روش های بیزی را برای برآورد پارامترهای مدل بیماری فشاری احتمال پذیری بررسی می کنیم. برآورد حداکثر احتمال، پارامترها را به صورت مقادیر ثابت و بهترین تخمین ها را از طریق آزمایش های مکرر تعیین می کند، در حالیکه رویکرد بیزی برای پارامترها به عنوان متغیرهای تصادفی پرداخته و توزیع احتمالی پارامتر را تعیین می کند. در نهایت ما می خواهیم بدانیم احتمال اینکه یک پارامتر در یک محدوده خاص قرار بگیرد و نه تنها اظهارات تکراری برآوردگر ما را بیان کند. اگرچه هر دو روش های قدرتمند برای استنتاج هستند، اما برای مدل هایی با احتمال پیچیده یا چندگانه، ارزیابی پارامترهای حداکثر احتمال برای تفسیر از برآوردهای توزیع پارامتر ارائه شده توسط رویکرد بیزی بسیار دشوار است. برای مدل های بیماری فشاری، ما نشان می دهیم که در حالی که این دو روش برآورد مکمل هستند، فواصل معتبر تولید شده توسط رویکرد بیزی بیشتر به اندازه گیری عدم قطعیت در پارامترهای مدل مناسب می باشند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
رویکرد بیزی به برآورد پارامتر مدل بیماری اختلال افسردگی
چکیده انگلیسی
We examine both maximum likelihood and Bayesian approaches for estimating probabilistic decompression sickness model parameters. Maximum likelihood estimation treats parameters as fixed values and determines the best estimate through repeated trials, whereas the Bayesian approach treats parameters as random variables and determines the parameter probability distributions. We would ultimately like to know the probability that a parameter lies in a certain range rather than simply make statements about the repeatability of our estimator. Although both represent powerful methods of inference, for models with complex or multi-peaked likelihoods, maximum likelihood parameter estimates can prove more difficult to interpret than the estimates of the parameter distributions provided by the Bayesian approach. For models of decompression sickness, we show that while these two estimation methods are complementary, the credible intervals generated by the Bayesian approach are more naturally suited to quantifying uncertainty in the model parameters.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Biology and Medicine - Volume 82, 1 March 2017, Pages 3-11
نویسندگان
, , ,