MCMC 진단 추가 기능은 하나 이상의 병렬 마르코프 체인의 사후 샘플을 포함하는 데이터 세트에 대한 수렴 진단과 등꼬리 및 HPD 신뢰할 수 있는 구간을 계산합니다. 두 개의 사후 확률 계산기가 포함되어 있습니다. 이 추가 기능은 MCMC를 수행하지 않지만 사후 샘플의 간단한 분석 및 검토를 허용합니다.
아래 대화 상자는 Mehrotra & Heyse(2004)의 40가지 부작용에 대한 베이지안 계층 모델에서 독립적으로 실행되는 3개의 Markov 체인에 대한 60,000 MCMC 샘플의 예를 표시합니다.Gelman-Rubin 진단이 계산되도록 독립적인 Markov 체인이 제공됩니다.
아래 그림은 진단 여러 그래프와 분석을 사용하여 각 매개변수를 요약한 패널입니다.이러한 분석에는 다음이 포함됩니다.
- 사슬 1에 대한 비모수 밀도 곡선 및 요약 통계가 있는 히스토그램
- MCMC 샘플의 추적 플롯 체인 1의 경우
- 체인 1에 대한 시간에 따른 샘플의 자기상관을 평가하기 위한 플롯 및 테스트
- 여러 체인이 제공되는 경우 Gelman-Rubin 진단과 함께 수렴을 평가하기 위한 모든 체인의 추적 플롯이 제공됩니다.
등 꼬리 및 최고 사후 밀도(HPD) 신뢰 구간을 포함하는 산림 플롯이 체인 1에 대해 제공됩니다.
각 매개변수가 제공된 범위 내에 있을 확률을 계산하기 위해 일변량 확률 계산기가 제공됩니다.여기에서 매개변수가 양수일 확률을 계산합니다. 이는 새로운 치료법에 과도한 위험이 있음을 나타냅니다.
다변수 확률 계산기를 사용하면 매개변수 집합이 기준을 함께 충족할 때를 계산할 수 있습니다.여기에서 처음 5개의 매개변수가 동시에 양수일 확률을 계산합니다. 이는 처음 5개의 유해 사례가 동시에 초과 위험을 나타낼 확률로 해석될 수 있습니다.
이동 support.sas.com/resources/papers/procedings13/179-2013.pdf 자세한 내용은.
Mehrotra DV & Heyse JF. (2004). 임상 안전성 데이터 평가를 위한 거짓 발견률의 사용. 의학 연구의 통계적 방법 13: 227-238.
