Resumen

Propusimos un enfoque que tiene la capacidad de detectar conglomerados espaciales con distribuciones sesgadas o irregulares. Se utilizó una mezcla de procesos de Dirichlet (DP) para describir patrones de distribución espacial. Los efectos de diferentes lotes de recolección de datos también fueron modelados con un proceso de Dirichlet. Para agrupar focos espaciales, se aplicó un proceso de nacimiento-muerte debido a su ventaja de facilitar el salto entre diferentes números de conglomerados. Las inferencias de parámetros incluyendo la agrupación se realizaron bajo un marco bayesiano. Se utilizaron simulaciones para demostrar y evaluar el método. Aplicamos el método a un conjunto de datos de metaanálisis de fMRI para identificar conglomerados de focos correspondientes a diferentes emociones.

• Materias:Modelar datos Estimadores sesgados Muestreo doble sintético Razón de verosimilitud empírica Diseño adaptativo bayesiano
• Subjects:Modeling data Biased estimators Synthetic double sampling Empirical likelihood ratio Bayesian adaptive design
• Palabras claves:Propuesto; Detectar; Conglomerados espaciales; Procesos de Dirichlet; Agrupamiento; Marco bayesiano
• Keywords:Proposed; Detect; Spatial clusters; Dirichlet processes; Clustering; Bayesian framework