Počasna konvergenca je eden največjih problemov uporabe metode Monte Carlo z Markovimi verigami (McMC) za mešane modele na področju genetike in selekcije domačih živali. Slaba konvergenca je v veliki meri posledica visoke posteriorne korelacije med komponentami variance in rešitvami za ravni pripadajočih vplivov. Predstavljamo enostavno reparametrizacijo običajnega modela, ki izboljša lastnosti metode McMC in daje enake posteriorne porazdelitve parametrov modela kot standardni pristop. Reparametrizacija temelji na standardizaciji hierarhičnih (naključnih) vplivov v modelu, kar posledično spremeni posteriorne korelacije med parametri. Oba pristopa smo primerjali na večjem setu simuliranih podatkov. Rezultati kažejo, da reparametrizacija vodi do bolj učinkovitih metod McMC vzorčenja in je nekajkrat bolj učinkovita za analizo lastnosti z nizko heritabilitet.

Pravice

URN

URN:NBN:SI:DOC-LCTYTAYV

COBISSID

2792328

Objavljeno

21.11.2011

Metapodatki

Citiranje

APA:

Gorjanc, Gregor, Flisar, Tina, Martínez-Ávila, Jose Carlos, García-Cortés, Luis Alberto (2010). Simple reparameterization to improve convergence in linear mixed models. Acta agriculturae Slovenica, letnik 96, številka 2, str. 69-73. URN:NBN:SI:DOC-LCTYTAYV from http://www.dlib.si

MLA:

Gorjanc, Gregor, Flisar, Tina, Martínez-Ávila, Jose Carlos, García-Cortés, Luis Alberto. "Simple reparameterization to improve convergence in linear mixed models." Acta agriculturae Slovenica letnik 96. številka 2 (2010) str. 69-73.
<http://www.dlib.si/?URN=URN:NBN:SI:DOC-LCTYTAYV>

Acta agriculturae Slovenica
2004
(Zbirni zapis)