Bayesian inference in threshold models using Gibbs sampling

摘要: Inference bayesienne dans les modeles a seuil avec echantillonnage de Gibbs. Une analyse du modele des categories multiples ordonnees est presentee ici. Les marginalisations necessaires sont obtenues par On montre que l'utilisation donnees augmentees - la variable continue sousjacente non observee etant alors consideree comme une inconnue le conduit distributions conditionnelles posteriori faciles echantillonner. Celles-ci uniformes independantes pour seuils et normales tronquees sensibilites (les variables sous-jacentes). parametres restants ont identiques celles qu'on trouve en lineaire gaussien. La methodologie illustree sur un paternel appliquee dysplasie hanche chez chien, resultats compares ceux d'une etude precedente basee maximum vraisemblance approche. Deux sequences Gibbs independantes, longues chacune 620 000 echantillons, ete realisees. erreurs d'echantillonnage type Monte Carlo moments densites methodes series temporelles. obtenus 2 limite Monte-Carlo. A l'exception variance paternelle l'heritabilite, marginales semblent normales. De ce fait, inferences basees presente methode bon accord Pour l'estimation seuils, revelent fortes autocorrelations, auxquelles il cependant possible remedier utilisant autre parametrage.