Bayesian analysis of factorial experiments by mixture modelling
通过混合建模开展因子实验的贝叶斯分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论一般因子实验与贝叶斯混合建模，未明确涉及所列计量领域的专门问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
通过混合建模开展因子实验的贝叶斯分析
- 研究问题
- 如何在因子实验中同时估计主效应与交互作用，并用同一套先验设定开展具有假设检验意味的后验分析？
- 方法与思路
- 作者用有限混合分布描述主效应与交互作用，具体展开含重复观测的双因素模型，并通过MCMC进行后验计算。
- 材料陈述的贡献
- 摘要称，该框架以单一先验设定兼顾估计与类似假设检验的分析，并通过两个应用讨论先验、敏感性及计算表现。
- 阅读关注点
- 应核对混合成分如何表示效应、先验如何配置，以及后验检验类比的含义、敏感性分析和MCMC诊断。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未提供先验具体形式、应用结果或收敛诊断，不能判断稳健性。
原文摘要
A Bayesian analysis for factorial experiments is presented, using finite mixture distributions to model the main effects and interactions. This allows both estimation and an analogue of hypothesis testing in a posterior analysis using a single prior specification. A detailed formulation based on this approach is provided for the case of the two-way model with replication, allowing interactions. Issues in formulating a suitable prior are discussed in detail, and, in the context of two illustrative applications, we discuss implementation, presentation of posterior distributions, sensitivity and performance of the Markov chain Monte Carlo methods that are used.