首页 > 文献资料
-
定性临床试验资料meta分析的经验贝叶斯模型原理和应用
目的 研究meta分析经验贝叶斯分层模型的原理及其在定性临床试验资料分析中的应用.方法 以一个激素预防新生儿肺透明膜病的临床试验数据为例,建立分层模型,采用经验贝叶斯的方法进行参数估计和后验推断,尝试应用三种不同的方法估计分层模型中的超参数v.结果 分层模型的经验贝叶斯分析结果表明临床使用激素能够降低新生儿肺透明膜病的发生.结论 相对meta分析的随机效应模型,经验贝叶斯分层模型提供了更灵活的分析策略.
-
WinBUGS软件应用
WinBUGS(Bayesian Inference Using Gibbs Sampl ing)是英国剑桥公共卫生研究所的MRC Biostatistics Unit推出的用马尔可夫链一蒙特卡罗(Markov chain Monte Carlo,MCMC)方法进行贝叶斯推断的专用软件包.它可方便地对许多常用或复杂模型(如分层模型,交叉设计模型、空间和时间作为随机效应的一般线性混合模型,潜变量模型,脆弱模型,应变量的测量误差,协变量,截尾数据,限制性估计,缺失值问题)和分布进行Gibbs抽样,还可用简单的有向图模型(directed graphical model)进行直观的描述,并给出参数的Gibbs抽样动态图,用Smoothing方法得到后验分布的核密度估计图、抽样值的自相关图及均数和置信区间的变化图等,使抽样结果更直观、可靠.Gibbs抽样收敛后,可很方便地得到参数后验分布的均数、标准差、95%置信区间和中位数等信息.
-
面向密集数据处理的网格平台研究
针对网格环境下的密集数据处理,构建了网格平台IDPGP.该平台基于Globus Toolkit 4、OGSA-DAI、Condor和PBS,主要提供网格信息服务、网格资源管理、数据访问与集成等服务,实现网格资源共享,完成密集数据的读取与处理.在网格资源管理服务中设计了一个基于分层模型的计算资源管理模型,既保证了每个虚拟域的一致性和可管理性,又增强了整个平台的可扩展性和容错能力.
-
园区网络的可靠性研究
当前园区网络对网络的性能要求越来越高,网络可靠性就显得特别重要。文章在介绍分层模型的基础上,深入分析VRRP 和MSTP 协议的原理及实现过程,在核心层之间、核心层和汇聚层之间进行冗余设计,利用VRRP 和MSTP 协议实现对网外和网内访问,达到路由冗余和负载均衡的目的,大限度地保证网络的可靠性。