SEARCH

SEARCH BY CITATION

Keywords:

  • parameter estimation;
  • implicit regression;
  • Bayesian estimation;
  • error-in-variables model;
  • EVM;
  • measurement error models

Abstract

This paper presents a method for Error-in-Variables Model (EVM) analysis when there is no prior knowledge of the error structure, but there is replication in the data. The method is presented, with examples, for cases where the error structure varies among the data, and for cases where the error structure is constant over all the data. The minimum amount of replication needed is discussed and posterior probability density functions are developed for the parameters. The results are an extension of the work of previous authors.

Cet article présente une méthode pour l'analyse du modèle des erreurs dans les variables lorsque l'on ne connaît pas au préalable la structure des erreurs, mais qu'elle est reproduite dans la données. La méthode est présentée, avec des exemples, pour le cas où la structure des erreurs varie entre les données, et pour les cas oh la structure des erreurs est constante dans l'ensemble des données. Le degré minimum de reproduction néicessaire est étudié et des fonctions de densité de probabilité postérieures sont élaborées pour les paramètres. Les résultats font suite aux travaux antérieurs d'autres auteurs.