Gibbs sampler approach for objective Bayeisan inference in elliptical multivariate random effects model
椭圆分布多元随机效应模型的客观贝叶斯推断与 Gibbs 采样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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主要研究通用随机效应模型与后验采样，治疗研究应用不足以确定其属于给定的具体领域细分。
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
椭圆分布多元随机效应模型的客观贝叶斯推断与 Gibbs 采样
- 研究问题
- 研究椭圆分布假设下多元随机效应模型的客观贝叶斯推断，以及如何有效生成模型参数的后验样本用于实际研究。
- 方法与思路
- 作者使用 Berger–Bernardo 参考先验与 Jeffreys 先验，开发混合 Gibbs 采样算法，并通过模拟与两种既有 MH 算法比较。
- 材料陈述的贡献
- 摘要提供该模型的贝叶斯推断程序与新后验采样方法，并应用于十项降压治疗研究，联合考察收缩压和舒张压治疗效果。
- 阅读关注点
- 应核对椭圆分布的具体设定、参考先验构造与后验适定性，以及采样算法的收敛诊断和模拟比较所用的效率指标。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出后验存在条件、比较数值或研究间异质性的具体处理。
原文摘要
In this paper, we present the Bayesian inference procedures for the parameters of the multivariate random effects model derived under the assumption of an elliptically contoured distribution when the Berger and Bernardo reference and the Jeffreys priors are assigned to the model parameters. We develop a new numerical algorithm for drawing samples from the posterior distribution, which is based on the hybrid Gibbs sampler. The new approach is compared to the two Metropolis-Hastings algorithms, which were previously derived in the literature, via an extensive simulation study. The results are implemented in practice by considering ten studies about the effectiveness of hypertension treatment for reducing blood pressure where the treatment effects on both the systolic blood pressure and diastolic blood pressure are investigated.