Detection of the quality of vital signals by the Monte Carlo Markov Chain (MCMC) method and noise deleting

2021 ◽  
Vol 9 (1) ◽  
Author(s):  
Kianoush Fathi Vajargah ◽  
Sara Ghaniyari Benis ◽  
Hamid Mottaghi Golshan
Keyword(s):  
Monte Carlo ◽  
Markov Chain ◽  
Monte Carlo Markov Chain ◽  
Mcmc Method

scholarly journals Enfoque bayesiano para obtener las tasas de transición en un modelo de estados múltiples. Aplicación a datos sobre artritis reumatoide

2014 ◽  
Vol 7 (2) ◽  
Author(s):  
Juan Carlos Salazar U. ◽  
René Iral P. ◽  
Juan Carlos Correa M. ◽  
Adriana Rojas V. ◽  
Juan M. Anaya
Keyword(s):  
Monte Carlo ◽  
Markov Chain ◽  
Title Page ◽  
Monte Carlo Markov Chain

<div class="page" title="Page 1"><div class="layoutArea"><div class="column"><p><span>Los modelos de estados múltiples han demostrado ser de utilidad para el análisis de datos longitudinales, particularmente aquellos que involucran información acerca de la progresión de una enfermedad a través del tiempo. Por otra parte, los métodos bayesianos son útiles en situaciones de alta complejidad cuando se usan técnicas como Monte Carlo Markov Chain. En este trabajo se implementa un método bayesiano basado en el muestreador de Gibbs con el fin de obtener las tasas de transición que gobiernan un modelo de tres estados con estructura markoviana de primer orden. Estas tasas de transición se vinculan con las covariables por medio de un modelo del tipo Andersen-Gill. De esta manera, la estimación óptima de los efectos de las covariables permitirá obtener mejores estimaciones de las tasas de transición. Esta técnica bayesiana se compara vía simulación con la técnica de estimación estudiada por Iral &amp; Salazar (2007) y con un método basado en la discretización del soporte de la distribución posterior. Finalmente, estas técnicas de estimación se ilustran usando datos reales sobre pacientes colombianos con artritis reumatoide. </span></p></div></div></div>

Utilizing Markov chain Monte Carlo (MCMC) method for improved glottal inverse filtering

2012 ◽  
Author(s):  
Harri Auvinen ◽  
Tuomo Raitio ◽  
Samuli Siltanen ◽  
Paavo Alku
Keyword(s):  
Monte Carlo ◽  
Markov Chain ◽  
Markov Chain Monte Carlo ◽  
Inverse Filtering ◽  
Mcmc Method

scholarly journals Measuring Stellar Radial Velocity using Markov Chain Monte Carlo(MCMC) Method

2013 ◽  
Vol 9 (S298) ◽  
pp. 441-441
Author(s):  
Yihan Song ◽  
Ali Luo ◽  
Yongheng Zhao
Keyword(s):  
Monte Carlo ◽  
Markov Chain ◽  
Markov Chain Monte Carlo ◽  
Probability Distribution ◽  
Radial Velocity ◽  
Mcmc Methods ◽  
Mcmc Method ◽  
Stellar Spectra ◽  
Mcmc Simulation ◽  
Template Fitting

AbstractStellar radial velocity is estimated by using template fitting and Markov Chain Monte Carlo(MCMC) methods. This method works on the LAMOST stellar spectra. The MCMC simulation generates a probability distribution of the RV. The RV error can also computed from distribution.

scholarly journals A MONTE CARLO MARKOV CHAIN BASED INVESTIGATION OF BLACK HOLE SPIN IN THE ACTIVE GALAXY NGC 3783

2012 ◽  
Vol 755 (2) ◽  
pp. 88 ◽  
Author(s):  
Christopher S. Reynolds ◽  
Laura W. Brenneman ◽  
Anne M. Lohfink ◽  
Margaret L. Trippe ◽  
Jon M. Miller ◽  
...  
Keyword(s):  
Monte Carlo ◽  
Black Hole ◽  
Markov Chain ◽  
Monte Carlo Markov Chain ◽  
Active Galaxy ◽  
Black Hole Spin
Sign in / Sign up

Export Citation Format

Share Document