« Projekte
Sie verwenden einen sehr veralteten Browser und können Funktionen dieser Seite nur sehr eingeschränkt nutzen. Bitte aktualisieren Sie Ihren Browser. http://www.browser-update.org/de/update.html
Empirisch und hierarchisch Bayes-optimale Designs für logistische Regressionsmodelle mit zufälligen Effekten
Projektbearbeiter:
MSc MSc Parisa Parsamaram
Finanzierung:
Fördergeber - Sonstige;
Binäre Beobachtungen werden statistisch oft mit Hilfe logistischer Regressionsmodelle analysiert. Um die Qualität dieser Analyse zu verbessern, ist das Design des zugrundeliegenden Experiments zu optimieren. Wegen der Nichtlinearität der Modellierung hängen die optimalen Designs von unbekannten Parametern ab. Um dieses Problem zu umgehen, kann Bayessche a-priori-Information eingeführt werden, die ihrerseits hierarchisch modelliert und mit empirischer Vorinformation validiert werden kann. Zusätzlich ist beim Vorliegen von Messwiederholungen interindividuelle Variabilität zu berücksichtigen. Alle diese Konzepte sollen in einem einheitlichen Ansatz zusammengefasst werden.

Schlagworte

Bayes-optimale-Designs
Kontakt

weitere Projekte

Die Daten werden geladen ...