home *** CD-ROM | disk | FTP | other *** search
/ NetNews Usenet Archive 1992 #27 / NN_1992_27.iso / spool / sci / math / stat / 2365 < prev    next >
Encoding:
Internet Message Format  |  1992-11-17  |  2.0 KB
  1. Xref: sparky sci.math.stat:2365 ont.events:558
  2. Newsgroups: utstat.general,sci.math.stat,ont.events
  3. Path: sparky!uunet!utcsri!utgpu!utstat!ruth
  4. From: ruth@utstat.uucp (Ruth Croxford)
  5. Subject: Statistics Seminar - Prof. J.K. Ghosh
  6. Message-ID: <1992Nov17.175529.5740@utstat.uucp>
  7. Organization: U of Toronto Statistics
  8. Distribution: ont
  9. Date: Tue, 17 Nov 1992 17:55:29 GMT
  10. Expires: 27-ont-1992
  11. Lines: 30
  12.  
  13. Colloquium - Department of Statistics, University of Toronto
  14.  
  15. Topic:     Decision Rule for Dimension in the Context of Manova
  16. Speaker:   Prof. J.K. Ghosh
  17.        Purdue University and Indian Statistical Institute
  18. Date:      Thursday, November 26    4:00 - 5:00
  19. Place:     Room 1073, Sidney Smith Hall, 100 St. George Street
  20. Abstract:
  21.  
  22. In the context of Multivariate Analysis of Variance (MANOVA), it is 
  23. of interest to know the dimension of the space generated by the population
  24. mean vectors centered at zero.  This would help identification of a 
  25. structural relation, if there is any.  Formally, we have p normal
  26. populations each of dimension  d, p > d.  Let the mean vectors be 
  27. mu sub 1, ..., mu sub p and omega the common disperson matrix.
  28.  
  29. Let M = (mu sub 1 - mu bar, mu sub 2 - mu bar, ..., mu sub p - mu bar) 
  30. where mu bar = p sup -1 SIGMA sub {mu i}.  We have actions or decisions 
  31. a sub 0, ..., a sub d, where a sub i is the decision M has rank i.
  32.  
  33. We propose an intuitively appealing ad hoc rule, then show it is close to
  34. being Bayes for a suitable prior and finally refine the ad hoc rule in
  35. the light of the Bayes rule.  Its performance is studied in the frequentist 
  36. paradigm.  We also report briefly on ongoing work with Rahul Mukerjee on 
  37. construction of reference and other non-informative priors and their use
  38. in a Bayesian treatment of this problem.  We focus on the case of known 
  39. OMEGA and d = 2, but indicate what is to be done for general
  40. d and unknown OMEGA $.  (This work is joint with Anindya De).
  41. ________________________________________________________________________________
  42. Coffee, Tea and Cookies will be served in the Delury Lounge (SS6004) at 3:30 p.m.
  43.