Temelde farklı kaynaklardan gelen kombine etkileri tanımlamak için heterojen Karışım Modellerini kullanmayı seviyorum.
Diane Lambert tarzında "Sıfır Şişirilmiş Poisson" modeli gibi bir şeye bakabilirsiniz. " İmalatta Kusurlara Bir Uygulama ile Sıfır Şişirilmiş Poisson Regresyonu ", Diane Lambert, Technometrics, Vol. 34, Sayı. 1, 1992
Bu fikri özellikle hoş buluyorum çünkü deneylerin istatistiksel tasarımının tıbba uygulanmasının hastalığı tam olarak iyileştiremediği fikrine çelişiyor gibi görünüyor. Kavramın arkasında, bilimsel yöntemin tıptaki amacını tamamlayamadığı fikri, "mükemmel" sağlıklı bir kişiden hastalık verisi olmadığı ve bu nedenle verilerin hastalığın tedavisini bilgilendiremeyeceği fikrinden kaynaklanmaktadır. Ölçüm olmadan iyileştirilecek alan yoktur.
Sıfır şişirilmiş model gibi bir şey kullanmak, kişinin kısmen "hatasız" olan verilerden faydalı bilgiler elde etmesini sağlar. "Sessiz" olarak düşünülebilecek bilgileri alıp konuşmasını sağlamak için sürece ilişkin içgörüyü kullanıyor. Bana göre bu yapmaya çalıştığınız bir şey.
Şimdi hangi model kombinasyonlarını kullanacağımı iddia etmeye başlayamıyorum. Yeni başlayanlar için sıfır şişirilmiş bir Gauss Karışım Modeli (GMM) kullanabileceğinizden şüpheleniyorum. GMM, sürekli PDF'ler için, Fourier Serisi yaklaşımının PDF kuzeni gibi, ancak küresel uygulanabilirliği geliştirmek ve genellikle daha az sayıda bileşene izin vermek için merkezi sınır teoreminin desteğiyle ampirik bir evrensel yaklaşıklaştırıcıdır. iyi "yaklaşım.
İyi şanslar.
DÜZENLE:
Sıfır şişirilmiş modeller hakkında daha fazla bilgi: