Poul Thyregod, 2. maj Specialkursus vid.stat. foraar exp µ β/(1 + β), som netop er kernen i en Gammafordeling med formparameteren

Transkript

1 Hierarkisk model for Poisson fordeling med overdispersion Dagens program: Mandag den 2. maj Hierarkiske generaliserede lineære modeller Eksempel: hierarkisk Poissonfordelingsmodel Eksempel: hierarkisk binomialfordelingsmodel Hierarkisk model for exponentiel dispersionsfamilie Flere eksempler på hierarkiske modeller Aposteriorifordeling for middelværdiparameter µ Eksempel Aposteriorifordeling for Poisson-Gamma model prædiktiv fordeling Y µ P(µ) Poisson-fordeling Hvad skal vi vælge som fordeling af µ? Det er usmart med en normalfordeling af µ, da0<µ. Likelihood en for µ fra Poissonfordelingen er proportional med p Y (y; µ) µ y exp( µ) Vi vælger en fordeling af µ, hvis tæthed har samme form som likelihood en fra Poissonfordelingen, nemlig g µ (µ) (µ) α exp( µ/β) Det er jo tætheden for en Gammafordeling, dvs g µ (µ;α, β) ( ) α µ exp( µ/β) Γ(α)β β 3 Fordeling af dagligt antal tordenvejr ved Cape Kennedy Antal Antal Poisson episoder dage forventet y i #i Tælletal, naturlig fordeling er Poissonfordeling med frekvensfunktion P[Y y] p Y (y;µ) µy y! exp( µ) for y 0,,2,... og middelantallet µ episoder/dag. Frekvensfunktionen for den marginale fordeling af µ fås ved at integrere p Y (y; µ) med hensyn til g µ (µ; α, β) f Y (y) µ0 p Y (y; µ)g µ (µ; α, β)dµ µ y ( ) α µ0 y! exp( µ) µ exp( µ/β)dµ Γ(α)β β µ y+α { /( )} µ0 y!γ(α)β exp µ β/( + β) dµ α Vi bemærker { /( nu, at de faktorer )} i integranden, der afhænger af µ er, µ y+α og exp µ β/( + β), som netop er kernen i en Gammafordeling med formparameteren y + α og skalaparameter β/( + β) MEN observeret fordeling har tykkere haler end Poissonfordelingen. Atså overdispersion 2 4

2 Udtrykket kan reorganiseres til Γ(y + α) β y f Y (y) y!γ(α) ( + β) y+α ( µ0 Γ(y + α)β/( + β) Γ(y + α) β y y!γ(α) ( + β), y+α µ β/( + β) ) y+α { /( )} exp µ β/( + β) dµ hvor integranden netop er tætheden for en gammafordeling, (med integralet ). Momenter Vi har fra gammafordelingen at E[µ] αβ og V[µ] αβ 2, og fra Poissonfordelingen har vi E[Y µ] V[Y µ]µ. Momenterne i den marginale fordeling af Y bliver derfor E[Y] E µ [E[Y µ]] E[µ] αβ V[Y] E µ [V[Y µ]] + V µ [E[Y µ]] E µ [µ]+v µ [µ] αβ + αβ 2 m + m 2 /α hvor vi har sat E[µ] m. ( ) α ( Γ(y + α) f Y (y) ) y y!γ(α) +β +β For heltallige positive værdier af α er f Y (y) netop frekvensfunktionen for en negativ binomialfordeling (fordelingen af ventetiden y til den α te succes i en følge af Bernoulli forsøg, hvor sandsynligheden for succes er /( + β)) 5 7 Parametriseringer For heltallige positive α bliver frekvensfunktionen f Y (y) (y+α )! ( ) α ( ) y ( y+α y!(α )! +β +β y Vi kan definere en negativ binomialfordeling også for ikke-heltallige værdier af α. )( ) α ( ) y +β +β Undertiden er det smartere at parametrisere gammafordelingen ved middelværdi m αβ, og reciprok formparameter k /α, eller ved middelværdi m αβ og signal/støj forhold γ V µ[e[y µ]] E µ [V[Y µ]] V µ[µ] E[ V P (µ)] αβ2 αβ β mk hvor V P ( ) angiver variansfunktionen for Poissonfordelingen, V P (µ) µ. Giver mulighed for grænseovergang til en etpunktsfordeling i m for fast m og k 0 eller, alternativt fast m og γ 0 Ved denne grænseovergang går NB-fordelingen mod en Poissonfordeling med middelværdi m. 6 8

3 Flere observationer fra samme gruppe (samme µ) Optræder fx. ved bakterietællinger, målinger i rene rum Betragt summen Z X + X 2 + +X n,hvorx i erne for fastholdt µ (dag, lokalitet el. lgn.) er uafhængige P (µ)-fordelte variable. Modellen for Z bliver da Z µ P (nµ), µ G(/k, m/k) Den marginale fordeling af Z er en NB-fordeling (på ikke-negative heltal). Binomialfordeling, eksempel Eksempel, Z i antal dimensionsafvigende låg i stikprøver á 770 låg fra hvert af 229 partier. Hvis proces i kontrol, naturligt at forvente Z i er uafhængige ensfordelte med Z i B(770,p) (binomialfordeling). Det er naturligere at betragte gennemsnittet Y Z/n V[Y] + m ( n 2V[Z]m2 n m mk + ) ( E[V P (µ)] γ + ) n n lissom formlen i normalfordelingsituationen 9 Estimation Parametrene m og k (eller m og γ) kan estimeres ved momentmetoden fra gennemsnit og empirisk varians for observationerne (hvis designet er balanceret, dvs. samme n i alle grupper). Man kan også maksimum-likelihood estimere. PROC GENMOD, dist NEGBIN estimerer m og k og kalder k for dispersion (men det er den ikke). 0 2

4 Fordeling af antal afvigende låg Tykkere haler end binomialfordeling med samme middelværdi. Hierarkisk model: Z p B(n, p), p???? p Z (z) ( ) n p z ( p) n z z Lad Z µ B(n, µ) og µ Be(α, β). Da kaldes den marginale fordeling af Z for Polyafordelingen (efter Polyas urnemodel). Undertiden betegnes Polyafordelingen binomial-beta fordelingen fordi den er en compound fordeling fremkommet ved at mixe binomialfordelinger ved en betafordeling Upraktisk med normalfordeling af p, da 0<p<. Evt kunne man vælge normalfordeling af den kanoniske parameter, logit en. 3 5 Fordeling af p Vi vælger p Be(α, β) (betafordeling) med tæthed g p (p) B(α, β) pα ( p) β for 0 <p< (B(α, β) er Betafunktionen), altså samme form af kernen af tætheden, som likelihoodfunktionen for binomialfordelingen. E[p] α α+β V[p] αβ (α + β) 2 (α + β + ) 4 6

5 Betragt den relative hyppighed, Y Z/n Momenter i marginal fordeling Middelværdi, π E[µ] α/(α + β) og signal/støjforhold γ V µ[e[y µ]] E µ [V[Y µ]] V µ [µ] E[µ( µ)] α + β Vi får derfor E[Y] π α α+β ( π( π) V[Y] γ+ ) +γ n hvor π( π) E[µ( µ)] E[V bin (µ)] +γ udtrykker den gennemsnitlige binomialvarians af gruppegennemsnit E[Y i ] E[E[Y i µ]] E[µ] m ) ) V[Y i ] E[V(µ)] (γ + ni E[V(µ)] (γ + ni, Konjugeret fordeling giver simpelt analytisk udtryk for den marginale fordeling. Man kunne godt vælge at lave normalfordeling for kanonisk parameter, men det giver komplicerede udtryk for marginalfordelinger. 7 9 Fortolkning af parametre i konjugeret fordeling For parametrene m og γ gælder: m E[µ] γ V[µ] E[V(µ)], hvor µ E[Y θ], oghvorv(µ)angiver variansfunktionen κ (τ (µ)) Eksempel, Monocyttælling Som led i en undersøgelse af et lægemiddel udtoges en gruppe personer (73 rygere) i en given aldersklasse. For hver person tog man 00 hvide blodlegemer (leukocytter) fra en blodprøve fra personen og optalte antallet af monocytter (encellede). Fordelingen var: Antal monoc. Antal pers Snit 3.2, Det kunne være naturligt at sammenligne med en binomialfordeling, B(n 00,p 0.032). 8 20

6 Monocyttælling, sammenligning med binomial fordeling Monocyttælling, simultan fordeling 2 23 Monocyttælling, sammenligning med Polyafordeling Monocyttælling, niveaukurver 22 24

7 Generelt princip for valg af konjugeret fordeling Betragt en exponentiel dispersionsfamilie (af observationer) f Y (y; θ, λ) c(y, λ)exp[λ{θy κ(θ)}] Vælg fordeling af kanonisk parameter θ med tæthed for θ Ω g θ (θ; m, γ) exp[{θm κ(θ)}/γ] C(m, λ) hvor kumulantfrembringeren κ( ) er den samme i de to udtryk. Fordelingen af θ kaldes den konjugerede fordeling I Bayes-sammenhænge kaldes den konjugeret apriorifordeling. I hierarkiske modeller kaldes den undertiden konjugeret strukturfordeling. Aposteriorifordelinger under hierarkisk model Lad X,X 2,...,X n være uafhængige (for givet θ), frembragt med samme θ og med tæthed g(x θ) d(x)exp{[θx κ(θ)]/σ 2 }, og lad fordelingen af θ være den konjugerede fordeling med tæthed w(θ; m, γ) exp{[θm κ(θ)]/γ} C(m, γ) Da er aposteriorifordelingen af θ efter observation af X x,...,x n x n e ( w θ ) X i /n x C(m,γ ) exp{[θm κ(θ)]/γ } med m m/γ + n x/σ2 m apost /γ + n/σ 2 γ γ apost /γ + n/σ Andre eksempler på hierarkiske modeller Fordeling af empiriske varianser, afsnit 7.3 Normalfordeling med tilfældigt varierende varians, afsnit 7.4: hvor σ 2 i er indbyrdes uafængige. Y i σ 2 i N(µ, σ 2 i ) /σ 2 i G(α, /β) Da gælder for den marginale fordeling af Y i,at Y i µ β/α t(2α) hvor t(2α) er en t-fordeling med 2α frihedsgrader, dvs en fordeling med tykkere haler end normalfordelingen. Aposteriorifordelinger For den konjugerede apriorifordeling gælder altså at aposteriorifordelingen for θ er af samme form som apriorifordelingen, blot med opdaterede parametre m og γ ved brug af den sædvanlige opdateringsformel. γ apost m apost γ apost γ apriori + n/σ 2 m apriori γ apriori + n x/σ 2 γ apost V[µ x] E[V(µ) x], (0.) 26 28

8 Vi så, at Poisson-gamma model: Vævefejl i stof. Eksempel på opdatering af aprioriinformation For en given produktion er fejlene tilfældigt spredt over stoffet i overensstemmelse med en Poisson-fordeling. Variansen i aposteriorifordelingen af µ afhang ikke kun af stikprøvestørrelsen, men også af fejlniveauet (fordi variansen i Poissonfordelingen stiger med middelværdien) Det væsentligste bidrag til spredningen i den prædiktive fordeling for det totale antal fejl hidrører fra aposteriorivariansen for µ. Bidraget er proportionalt med prædiktionslængden og er væsentligt større end bidraget fra Poissonusikkerheden. For det totale antal fejl er jo ikke summen af uafhængige Poissonstørrelser; de kommer jo fra samme produktion Gennemsnitligt antal fejl pr m 2, µ varierer fra produktion til produktion i overensstemmelse med en gammafordeling med middelværdi 2.5 og varians Prædiktiv fordeling Der udtages en stikprøve, og antallet af fejl bestemmes. Dette bruges til bestemmelse af aposteriorifordeling for µ, som derefter bruges til bestemmelse af prædiktiv fordeling af antal fejlihhveen,0og20m 2 stof fra denne produktion. Prædiktiv fordeling, mixtur af stikprøvefordeling og apost Poisson-gamma Parameter Før Efter observation af n 0 n0 n20 z z60 z 20 x 0. x6 x6 me[µ] γ V[µ] m γ α β Fordeling af fejl i én ny m X NB(α, β/( + β)) E[X ]m V[X ]m(+γ) Fordeling af fejl i 0 nye m Z NB(α, β/(0 + β)) E[Z ]0m V[Z ]0m( + 0γ) Fordeling af fejl i 20 nye m Z NB(α, β/(20 + β)) E[Z ]20m V[Z ]20m( + 20γ)