Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/43137
metadata.artigo.dc.title: Análise bayesiana de sensibilidade do modelo AR(1) para dados em painel: uma aplicação em dados temporais de microarrays
metadata.artigo.dc.title.alternative: Bayesian approach of AR(1) panel data model: application in microarray time series data
metadata.artigo.dc.creator: Morais, Telma Suely da Silva
Silva, Fabyano Fonseca e
Silva, Carlos Henrique Osório
Martins Filho, Sebastião
Nascimento, Moysés
Sáfadi, Thelma
metadata.artigo.dc.subject: Dados em painel
Modelo auto-regressivo
Inferência bayesiana
Panel data
Autoregressive model
Bayesian inference
Microarray time series
metadata.artigo.dc.publisher: Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP)
metadata.artigo.dc.date.issued: Dec-2010
metadata.artigo.dc.identifier.citation: MORAIS, T. S. da S. et al. Análise bayesiana de sensibilidade do modelo AR(1) para dados em painel: uma aplicação em dados temporais de microarrays. Revista Brasileira de Biometria, São Paulo, v. 28, n. 4, p. 171-192, out./dez. 2010.
metadata.artigo.dc.description.resumo: Considerou-se uma análise Bayesiana do modelo auto-regressivo de primeira ordem, AR (1), para dados em painel, de forma a utilizar a função de verossimilhança exata, a análise de comparação de distribuições a priori (análise de sensitividade) e a obtenção de distribuições preditivas de dados futuros. A eficiência da metodologia proposta foi avaliada mediante um estudo de simulação, no qual a distribuição Beta re-escalada foi usada para representar 3 diferentes distribuições a priori: simétrica, assimétrica e uniforme. Realizou-se uma aplicação em dados reais de expressão gênica temporal de células HeLa gerados por microarray. Os resultados mostraram alta eficiência na previsão da expressão gênica para um instante futuro.
metadata.artigo.dc.description.abstract: We considered a Bayesian analysis of first order autoregressive, AR(1), panel data model, using exact likelihood function, comparative analysis of prior distributions (sensitivity analysis) and predictive distributions of future observations. The methodology efficiency was evaluated by a simulation study using three prior, which were related to different Generalized Beta distributions: symmetric, asymmetric and uniform prior. We applied the proposed methodology to microarray time series real data of HeLa cells. The forecast of gene expression in one future time showed high efficiency.
metadata.artigo.dc.identifier.uri: http://jaguar.fcav.unesp.br/RME/fasciculos/v28/v28_n4/A10_Fabiano.pdf
http://repositorio.ufla.br/jspui/handle/1/43137
metadata.artigo.dc.language: pt_BR
Appears in Collections:DEX - Artigos publicados em periódicos

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.