Blog

Modele de fosse

Étant donné qu`il s`agit d`une méthode de rééchantillonnage résiduel, le PIT-Trap peut être utilisé pour modéliser des observations groupées sans spécifier explicitement un modèle pour la façon dont ils sont corrélés. Ceci est quelque peu analogue à la configuration sous laquelle la méthode d`équations d`estimation généralisée a été dérivée [1], et en effet le PIT-Trap est facilement applicable aux problèmes où des équations d`estimation généralisées sont utilisées. Une autre application importante, et celle qui a inspiré ce travail, est l`analyse de données multivariées discrètes dans l`écologie, lorsque p peut ne pas être suffisamment faible par rapport à n pour estimer adéquatement la structure de corrélation (tableau 1). Cependant, les simulations suggèrent que lorsque p est trop grand par rapport à n le PIT-Trap pourrait ne pas maintenir de façon fiable les niveaux nominaux. Cela est susceptible de se produire en partie parce que le PIT-Trap deviendra de plus en plus sensible aux violations de l`hypothèse dans le modèle marginal que p augmente (figure 4). Mais il est également susceptible de se poser en partie parce que les erreurs dans la distribution PIT-Trap s`accumulent à travers les variables de réponse, par exemple, l`approximation asymptotique à une queue du théorème 3 peut être écrite en fonction de p ainsi que n comme op (PN − 1). Cette quantité n`est pas négligeable lorsque p est grande. Des modèles de régression binomiale négatifs [24] ont été montés sur les données, pour tenir compte de la surdispersion dans les dénombrements. Que yijkl soit l`abondance de la réplique de la LTH (l.

b. 1, 2) au site k (1, 2, 3, 4) de l`espèce j (1,…, 12) dans le traitement i Nous avons supposé yijkl ont une distribution marginale binomiale négative avec μijk moyenne satisfaisant: (2) où les αij, βkj et γijk représentent respectivement le traitement, le bloc et le traitement × les effets de bloc pour les espèces de JTH, et pour l`identifiabilité, chacun de ces termes est zéro chaque fois qu`il est indexé par un i ou k qui équivaut à un. Une autre façon de voir le PIT-Trap est comme un type spécial de rééchantillonnage résiduel, en effet il hérite de certains avantages du rééchantillonnage résiduel-en particulier, la capacité de rééchantillonner les données groupées de telle sorte que toute corrélation intra-cluster entre les résidus peuvent être préservées. En outre, les méthodes de rééchantillonnage résiduel sont souvent préconisées dans le contexte de régression [2, 21] parce qu`elles préservent le conditionnement sur XI. La question clé lors de la mise en œuvre du rééchantillonnage résiduel pour les modèles de régression non-gaussienne, le plus souvent en utilisant les résidus de Pearson et de déviance [2, 23], a été qu`ils n`entraînent pas de quantités pivots en général. Les données ultérieures rééchantillonnées résiduelles Y * ne correspondent pas adéquatement à la distribution d`échantillonnage de Y en général. Pour les données discrètes et éparses, comme dans le tableau 1, les échantillons de bootstrap ultérieurs dévieraient visiblement de la distribution souhaitée, certaines valeurs étant non entières, négatives ou même non définies. La correction de cette question pourrait introduire un biais considérable. En revanche, le PIT-Trap contourne ces difficultés, à condition que la forme paramétrique de la distribution marginale des données soit connue. Après avoir développé ces indices, on peut calculer à la fois les PDs PIT et TTC pour les contreparties dans chacun des secteurs couverts.

Pour obtenir des PDs PIT, on introduit les indices pertinents dans les modèles par défaut correspondants, on réétalonne les modèles en valeurs par défaut et on applique les modèles avec les variations actuelles et projetées des indices comme entrées. Si un modèle de DP n`était pas autrement PIT, l`introduction des indices le fera PIT. La formulation du modèle spécifique dépend des caractéristiques importantes pour chaque classe distinguée des contreparties et des contraintes de données. Certaines approches courantes sont les suivantes: référence: Warton DI, Thibaut L, Wang YA (2017) le PIT-Trap — une procédure d`amorçage «sans modèle» pour l`inférence sur les modèles de régression avec des réponses discrètes et multivariées. PLoS ONE 12 (7): e0181790. https://doi.org/10.1371/journal.pone.0181790 l`idée fondamentale de ce document est d`utiliser un bootstrap PIT-résiduel, ou PIT-Trap, comme base d`inférence. L`idée d`une technique de rééchantillonnage résiduelle qui utilise la transformation intégrale de probabilité a été proposée antérieurement dans le contexte de l`analyse de la survie [15, 17].