Modelling count data using the logratio-normal-multinomial distribution
Comas-Cufí, Marc (Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística)
Martín-Fernández, Josep-Antoni (Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística)
Mateu-Figueras, Glòria (Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística)
Palarea-Albaladejo, Javier (Universitat de Girona. Departament d'Informàtica, Matemàtica Aplicada i Estadística)

Fecha:	2020
Resumen:	The logratio-normal-multinomial distribution is a count data model resulting from compounding a multinomial distribution for the counts with a multivariate logratio-normal distribution for the multinomial event probabilities. However, the logratio-normal-multinomial probability mass function does not admit a closed form expression and, consequently, numerical approximation is required for parameter estimation. In this work, different estimation approaches are introduced and evaluated. We concluded that estimation based on a quasi-Monte Carlo Expectation-Maximisation algorithm provides the best overall results. Building on this, the performances of the Dirichlet-multinomial and logratio-normal-multinomial models are compared through a number of examples using simulated and real count data.
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Lengua:	Anglès
Documento:	Article ; recerca ; Versió publicada
Materia:	Count data ; Compound probability distribution ; Dirichlet multinomial ; Logratio coordinates ; Monte carlo method ; Simplex
Publicado en:	SORT : statistics and operations research transactions, Vol. 44 Núm. 1 (January-June 2020) , p. 99-126 (Articles) , ISSN 2013-8830

Adreça alternativa: https://raco.cat/index.php/SORT/article/view/371184
DOI: 10.2436/20.8080.02.96

28 p, 508.5 KB

El registro aparece en las colecciones:
Artículos > Artículos publicados > SORT
Artículos > Artículos de investigación