Determining Bayesian sample size and Bayesian optimal model, Fachbücher von Dunlei Cheng

Das Buch "Determining Bayesian sample size and Bayesian optimal model" von Dunlei Cheng bietet eine umfassende Untersuchung dreier zentraler Themen innerhalb des bayesianischen Paradigmas der statistischen Inferenz. Es beginnt mit der Bestimmung der erforderlichen Stichprobengrösse unter Berücksichtigung einer falsch klassifizierten Prävalenzvariablen, wenn zwei möglicherweise abhängige diagnostische Tests zur Schätzung verwendet werden. Die Analyse zeigt, dass die erforderliche Stichprobengrösse grösser ist, als wenn man von der Unabhängigkeit der Tests ausgeht. Im zweiten Teil wird die Stichprobengrösse bei einer falsch klassifizierten binären Antwortvariablen behandelt, wobei ein fehlerfreies Kovariat hinzugefügt wird. Simulationen verdeutlichen, dass die Wahl der Priorverteilungen einen erheblichen Einfluss auf die resultierende Stichprobengrösse hat. Der letzte Abschnitt widmet sich der bayesianischen Variablenauswahl im Rahmen des multiplen linearen Regressionsmodells, wobei zwei konkurrierende bayesianische Methoden, das Bayesian Model Averaging und die reversible Jump MCMC, verglichen werden. Die Ergebnisse zeigen, dass die reversible Jump MCMC, die bessere Modelle liefern sollte, in den betrachteten Beispielen keinen signifikanten Unterschied zum Bayesian Model Averaging aufweist.