[R-br] Resíduos e MCMCglmm

[Wagner Bonat]

Eu compreendo que existe muita pesquisa em especificar priori's para
parâmetros em modelos Bayesianos.
Agora uma pergunta bem simples.

Considere os modelos geneticos ou filogeneticos (eu não entendo nada disso)
mas os modelos em geral são simples Linear Mixed models com uma estrutura
de covariancia linear desta forma.

Sigma = tau0 I + tau1 *A

onde I denota uma identidade e A uma matriz que representa o efeito
genetico ou filogenetico pode ter mais matrizes.
Defina o espaço parametricos para (tau0, tau1) como o conjunto Omega tal
que Sigma é positiva definida. Uma definição que me parece razoável. Isso
implica que o tau1 pode ser negativo ou mesmo exatamente 0. Note ainda que
vc testar tau1 = 0 é exatamente testar o efeito da estrutura genetica.
Bayesiana não tem teste, então considere que se o 0 estiver uma razoável
probabilidade a posteriori vc considere que tem efeito.

Como especificar uma priori que permita que a posteriori contemple o 0 ? E
ao mesmo tempo não atribua probabilidade a valores fora do espaço
paramétrico?

Posso estar enganado, mas acho que PC prior e cia não consegue resolver
isso...








Em 23 de novembro de 2015 10:47, Elias Teixeira Krainski <
eliaskrainski em yahoo.com.br> escreveu:

>
> On 23/11/15 10:19, Wagner Bonat wrote:
>
>> 5 - Como é que um Bayesiano testa o efeito da filogenia no modelo? Que
>> priori vc está usando para o componente de variância associado a filogenia?
>>
>> 6 - Pq vc quer manter a inferência Bayesiana?
>>
>
> Talvez o jargão de modelos lineares usado no primeior email dessa thread
> tenha me direcionado à falar de noções básicas de análise de resíduos
> (àquelas no livro do prof. G.A.P.)
>
> Mas o Wagner tocou levemente no assunto model assumptions. Um estatístico
> paramétrico ao usar GLMM assume
>  1. um modelo paramétrico relacionado observações, covariáveis e efeitos
> aleatórios
>  2. distribuição condicional de cada observação (condicional à
> covariáveis, efeitos aleatórios e possível(eis) parâmetros adicionais da
> distribuição assumida para os dados)
>  3. distribuição dos efeitos aleatórios geralmente Gaussiana com
> parâmetros na matriz de covariância/precisão
> Um Bayesiano considera os três ítens anteriores mais os dois seguintes
>  4. distribuição(ões) para o(s) parâmetro(s) adicionais da verossimilhança
>  5. distribuição para os parâmetros da ditribuição(ões) assumida para o(s)
> efeito(s) aleatório(s)
>
> O estatístico paramétrico não Bayesiano precisa checar 3 suposições de
> modelos.
> O estatístico Bayesiano paramétrico precisa checar todos os 5.
>
> Se usar a definição mais simples de resíduo, a forma de checar os três
> primeiros ítens dessa lista é como sugerido no meu email anterior. O
> terceiro item envolve o ítem número 1 da lista do Wagner. Os ítens 4-5 eu
> não sei. Um facilitador é considerar priori baseada na suposição de um
> modelo básico de referência (http://arxiv.org/abs/1403.4630).  Tenho
> colegas que estão estudando isso, sendo que várias dessas prioris estão
> disponíveis no pacote INLA. Há também estudos sendo feitos em formas mais
> gerais de testar suposições de modelos e no futuro também serão
> incorporados automaticamente no pacote INLA.
>
> O item 6 da lista do Wagner: "Pq vc quer manter a inferência Bayesiana?".
> Porque o Bayesiano tem mais suposições que deseja incluir na análise?
> Porque assumindo distribuição de probabilidade aos parâmetros, a
> interpretação dos resultados é baseada no fato de que também se obtem
> distribuições de probabilidade à posteriori para interpretar? Porque
> Bayesianos não precisam da suposição de replicação?
>
> Elias
> _______________________________________________
> R-br mailing list
> R-br em listas.c3sl.ufpr.br
> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e fornea cdigo
> mnimo reproduzvel.




-- 
Wagner Hugo Bonat
----------------------------------------------------------------------------------------------
Department of Mathematics and Computer Science (IMADA)
University of Southern Denmark (SDU) and
Laboratório de Estatística e Geoinformação (LEG)
Universidade Federal do Paraná (UFPR)
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20151123/de3af65b/attachment.html>