Are Markov and semi-Markov Models Flexible Enough for Cognitive Panel Data?
نویسندگان
چکیده
منابع مشابه
Are Markov and semi-Markov models flexible enough for cognitive panel data?
Markov chains and semi-Markov models are standard tools used to describe the flow of subjects from health into various stages of a disease. Applications of these techniques face challenges when modeling the flow of elderly subjects through cognitive states into dementia due to the interval censoring of the entry into cognitive states, the transient nature of pre-dementia cognitive states, time-...
متن کاملFlexible nonhomogeneous markov models for panel observed data.
Methods for fitting nonhomogeneous Markov models to panel-observed data using direct numerical solution to the Kolmogorov Forward equations are developed. Nonhomogeneous Markov models occur most commonly when baseline transition intensities depend on calendar time, but may also occur with deterministic time-dependent covariates such as age. We propose transition intensities based on B-splines a...
متن کاملHidden semi-Markov models
Article history: Received 14 April 2009 Available online 17 November 2009
متن کاملa new approach to credibility premium for zero-inflated poisson models for panel data
هدف اصلی از این تحقیق به دست آوردن و مقایسه حق بیمه باورمندی در مدل های شمارشی گزارش نشده برای داده های طولی می باشد. در این تحقیق حق بیمه های پبش گویی بر اساس توابع ضرر مربع خطا و نمایی محاسبه شده و با هم مقایسه می شود. تمایل به گرفتن پاداش و جایزه یکی از دلایل مهم برای گزارش ندادن تصادفات می باشد و افراد برای استفاده از تخفیف اغلب از گزارش تصادفات با هزینه پائین خودداری می کنند، در این تحقیق ...
15 صفحه اولHidden semi-Markov models (HSMMs)
A semi-Markov HMM (more properly called a hidden semi-Markov model, or HSMM) is like an HMM except each state can emit a sequence of observations. Let Y (Gt) be the subsequence emitted by “generalized state” Gt. The “generalized state” usually contains both the automaton state, Qt, and the length (duration) of the segment, Lt. We will define Y (Gt) to be the subsequence yt−l+1:t. After emitting...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Journal of Biometrics & Biostatistics
سال: 2013
ISSN: 2155-6180
DOI: 10.4172/2155-6180.1000e122