具有采样偏差模型的MCMC推断：以SAGE数据为例进行说明
摘要：通过Gibbs采样方法进行有偏采样模型的贝叶斯推断：以通过间接和固有偏差方法而不是直接进行抽样的感兴趣群体为场景。观测结果被视为从标记群体中的多项式抽样过程的结果，该标记群体本身是感兴趣群体的有偏样本。本文提出了几种Gibbs采样技术，用于基于标记群体的观测计数估计原始群体的联合后验分布。这些算法高效地从非常大的多项式参数向量的联合后验分布中进行采样。这种方法生成的样本可以用于生成联合和边际后验推断。我们还提出了一种基于Gibbs采样器的条件分布的迭代优化过程，直接计算后验分布的模式。为了说明我们的方法，我们将其应用于使用常见的高通量技术序列分析基因表达(SAGE)生成的信使RNA (mRNA)的标记群体。报告了酿酒酵母长链酯的mRNA表达水平的推断结果。
作者：Russell Zaretzki and Michael A. Gilchrist and William M. Briggs and Artin Armagan
论文ID：0711.3765
分类：Applications
分类简称：stat.AP
提交时间：2007-11-26