Das MCMC-Diagnose-Add-In berechnet die Konvergenzdiagnostik sowie gleichseitige und glaubwürdige HPD-Intervalle für einen Datensatz, der spätere Proben aus einer oder mehreren parallelen Markov-Ketten enthält. Enthalten sind zwei spätere Wahrscheinlichkeitsrechner. Dieses Add-In führt keine MCMC durch, ermöglicht jedoch eine einfache Analyse und Überprüfung von Nachproben.
Der folgende Dialog zeigt ein Beispiel für 60.000 MCMC-Proben für 3 unabhängig ausgeführte Markov-Ketten aus einem Bayes'schen hierarchischen Modell von 40 unerwünschten Ereignissen von Mehrotra & Heyse (2004).Die unabhängigen Markov-Ketten werden bereitgestellt, damit die Gelman-Rubin-Diagnostik berechnet wird.
Die folgende Abbildung zeigt die Diagnose Panel, in dem jeder Parameter anhand mehrerer Grafiken und Analysen zusammengefasst wird.Diese Analysen beinhalten
- Histogramm mit nichtparametrischer Dichtekurve und zusammenfassenden Statistiken für Kette 1
- Trace-Plot von MCMC-Proben für Kette 1
- Diagramme und Tests zur Bewertung der Autokorrelation von Stichproben über die Zeit für Kette 1
- Wenn mehrere Ketten bereitgestellt werden, wird zusammen mit der Gelman-Rubin-Diagnostik ein Trace-Plot aller Ketten zur Beurteilung der Konvergenz bereitgestellt
Für Kette 1 werden Forest-Plots bereitgestellt, die gleichschwänzige und glaubwürdige Intervalle mit der höchsten hinteren Dichte (HPD) enthalten.
Ein univariater Wahrscheinlichkeitsrechner wird bereitgestellt, um die Wahrscheinlichkeit zu berechnen, dass jeder Parameter innerhalb des bereitgestellten Bereichs liegt.Hier berechne ich die Wahrscheinlichkeit, dass der Parameter positiv ist, was darauf hindeuten würde, dass bei der neuartigen Behandlung ein übermäßiges Risiko besteht.
Mit dem multivariaten Wahrscheinlichkeitsrechner können Sie berechnen, wann Sätze von Parametern Kriterien gemeinsam erfüllen.Hier berechne ich die Wahrscheinlichkeit, dass die ersten fünf Parameter gleichzeitig positiv sind. Dies kann als die Wahrscheinlichkeit interpretiert werden, dass die ersten fünf unerwünschten Ereignisse gleichzeitig ein übermäßiges Risiko aufweisen.
Gehe zu support.sas.com/resources/papers/proceedings13/179-2013.pdf für mehr Details.
Mehrotra DV & Heyse JF. (2004). Verwendung der False-Discovery-Rate zur Bewertung klinischer Sicherheitsdaten. Statistische Methoden in der medizinischen Forschung 13: 227-238.
