qiuyu
应用能力真的很强啊,很多最新的方法马上被应用到
生物模型上,好像很多作者也不是学统计出身的,
感觉自己什么都不懂了,
rtist
方法研究其实比理论研究竞争更加惨烈,新方法出现的速度是非常快的。
特别是计算机大量应用之后,很多人都不再拘谨在怎么证明上了——只要模拟结果好,实际应用结果好,管它数学上能不能证明呢?好用就行!
当然,方法肯定离不开理论,理论也离不开方法,但是毕竟还是各有侧重的。
redlou
[quote]引用第1楼rtist于2007-09-09 00:55发表的“”:
方法研究其实比理论研究竞争更加惨烈,新方法出现的速度是非常快的。
特别是计算机大量应用之后,很多人都不再拘谨在怎么证明上了——只要模拟结果好,实际应用结果好,管它数学上能不能证明呢?好用就行!
当然,方法肯定离不开理论,理论也离不开方法,但是毕竟还是各有侧重的。[/quote]
的确做理论的人可以长期不换方向,而做应用的基本上是什么刚兴起或热门
就去做。
就像似然比检验,很多人就知道它趋于卡方分布,不管样本的特点。后来有人证明
在mixture distribution下,似然比根本不趋于卡方,而是一个很复杂的分布
rtist
[quote]引用第2楼redlou于2007-09-08 20:31发表的“”:
就像似然比检验,很多人就知道它趋于卡方分布,不管样本的特点。后来有人证明
在mixture distribution下,似然比根本不趋于卡方,而是一个很复杂的分布
.......[/quote]
看怎么说了,我有一次审稿的时候也有作者犯这个错误。
假定知道finite mixture的number of components,cramer-rao-type regularity conditions通常情况下还是可以满足的,常见的lrt还是非常有用的。
问题仅仅出在怎么判断number of components上面——这个时候参数落在了空间的边缘上,通常的quadratic expansion行不通。
但是这个问题还是有新的进展的,有兴趣可以查一下shao的文章。我没读过,但是听过他的一次报告。
我觉得这个问题属于统计的误用、错用——不过这也是目前的现状:新方法出现的非常快,但是禁得住考验好方法还是寥寥无几。
redlou
呵呵 在mixed models里,早就有人在用lrt了,
近几年才有人证明了这个结果是对的。
rtist
[quote]引用第4楼redlou于2007-09-08 21:18发表的“”:
呵呵 在mixed models里,早就有人在用lrt了,
近几年才有人证明了这个结果是对的。[/quote]
还得看怎么用了。你究竟想说mixture还是mixed? 虽然本质上一样,可是离散和连续的区别还是不小的。
redlou
我对mixture 不太懂的,只看过几篇文章,刚才突然想到了。
想问一下,mixture 和mixed 本质上为何一样啊?
rtist
[quote]引用第4楼redlou于2007-09-08 21:18发表的“”:
呵呵 在mixed models里,早就有人在用lrt了,
近几年才有人证明了这个结果是对的。[/quote]
你究竟在说哪个结果是对的?
rtist
[quote]引用第6楼redlou于2007-09-08 21:55发表的“”:
我对mixture 不太懂的,只看过几篇文章,刚才突然想到了。
想问一下,mixture 和mixed 本质上为何一样啊?[/quote]
核心都是hierarchical model:
Y|X~some continuous distribution, usually normal;
X~normal in mixed models; multinomial in mixture models.
redlou
[quote]引用第7楼rtist于2007-09-09 10:59发表的“”:
你究竟在说哪个结果是对的?[/quote]
sorry,没说清楚。Jiang(2005)证明mixed models里lrt趋于卡方分布,
并可推广到non-Gaussian。
在mixture models appraoch QTL mapping中,有人证明LRT趋于一个
很复杂的分布 Statistica Sinica 15 (2005)909-925
rtist
[quote]引用第9楼redlou于2007-09-08 22:14发表的“”:
在mixture models appraoch QTL mapping中,有人证明LRT趋于一个
很复杂的分布 Statistica Sinica 15 (2005)909-925
.......[/quote]
台湾地震,看不到啊。。。
rtist
[quote]引用第9楼redlou于2007-09-08 22:14发表的“”:
sorry,没说清楚。Jiang(2005)证明mixed models里lrt趋于卡方分布,
并可推广到non-Gaussian。
.......[/quote]
你说的是这篇??
Partially observed information and inference about non-Gaussian mixed linear models
Jiming Jiang
Source: Ann. Statist. Volume 33, Number 6 (2005), 2695-2731.
redlou
On some statistical aspects of the interval mapping for qtl detection
(Zehua Chen and Hanfeng Chen)
redlou
Jiang的那本书上有介绍的 On classical tests in non-Gaussian mixed
linear models 好像还没正式发表
rtist
[quote]引用第12楼redlou于2007-09-08 22:51发表的“”:
On some statistical aspects of the interval mapping for qtl detection
(Zehua Chen and Hanfeng Chen)[/quote]
谢谢,这个我能查到,只是网络联不上,看不到全文。
rtist
[quote]引用第13楼redlou于2007-09-08 22:56发表的“”:
Jiang的那本书上有介绍的 On classical tests in non-Gaussian mixed
linear models 好像还没正式发表[/quote]
其实我想知道的问题仅仅是究竟用lrt检验什么假设?
redlou
我记得是检验model的参数,如方差分量。
rtist
[quote]引用第16楼redlou于2007-09-08 23:43发表的“”:
如方差分量。[/quote]还是chi-square?凑巧了吧?
rtist
[quote]引用第13楼redlou于2007-09-08 22:56发表的“”:
Jiang的那本书上有介绍的 On classical tests in non-Gaussian mixed
linear models 好像还没正式发表[/quote]
你说的是55页上那个?我是看不懂jiang想说什么?难道那结果不就是一般的wilk's定理么?一般结果早都已经证明了,谁还会操心在mixed model这个特例下面重新证一次?我看这个2005年写的东西到现在还不能正式发表就已经说明这个问题了。
其实问题的难度在非regular的情况下——这才是最有用的检验。有多少实际应用中会有人检验方差是不是1呢?基本上根本就没什么用。大家要检验的是方差是不是〇,而〇在参数空间的边缘上。Self & Liang 1987的结果才是稍微有点实际价值的——但是价值也不大,因为这都是asymptotic结果,finite sample下的近似非常的差。