Il componente aggiuntivo Diagnostica MCMC calcola la diagnostica della convergenza e intervalli credibili HPD e uguali per un set di dati contenente campioni posteriori da una o più catene Markov parallele. Sono inclusi due calcolatori di probabilità posteriori. Questo componente aggiuntivo non esegue MCMC ma consente analisi e revisioni dirette di campioni posteriori.
La finestra di dialogo seguente mostra un esempio per 60.000 campioni MCMC per 3 catene Markov a conduzione indipendente da un modello gerarchico bayesiano di 40 eventi avversi di Mehrotra & Heyse (2004). Le catene Markov indipendenti sono fornite in modo da calcolare la diagnostica Gelman-Rubin.
La figura seguente mostra il Diagnostica pannello in cui ogni parametro è riepilogato utilizzando diversi grafici e analisi. Queste analisi includono
- Istogramma con curva di densità non parametrica e statistiche riassuntive per catena 1
- Tracciato grafico di campioni MCMC per catena 1
- Grafici e prove per valutare l'autocorrelazione dei campioni nel tempo per la catena 1
- Se sono fornite più catene, viene fornito un tracciato di tutte le catene per valutare la convergenza insieme alla diagnostica Gelman-Rubin
Per la catena 1 sono forniti i grafici forestali contenenti intervalli credibili a coda uguale e con la massima densità posteriore (HPD).
Viene fornito un calcolatore di probabilità univariata per calcolare la probabilità che ciascun parametro rientri nell'intervallo fornito. Qui, calcolo la probabilità che il parametro sia positivo, il che indicherebbe che c'è un eccesso di rischio nel nuovo trattamento.
Il calcolatore di probabilità multivariato consente di calcolare quando i set di parametri soddisfano i criteri congiuntamente. Qui, calcolo la probabilità che i primi cinque parametri siano contemporaneamente positivi. Questo può essere interpretato come la probabilità che i primi cinque eventi avversi mostrino un rischio in eccesso simultaneamente.
Vai a support.sas.com/resources/papers/proceedings13/179-2013.pdf per maggiori dettagli.
Mehrotra DV & Heyse JF. (2004). Utilizzo del tasso di falsi scoperti per la valutazione dei dati di sicurezza clinica. Metodi statistici nella ricerca medica 13: 227-238.
