Mô hình Biến Ẩn Bayesian cho Kết Quả Hỗn Hợp Tập Trung

Một khuôn khổ tổng quát được đề xuất để mô hình hóa các kết quả hỗn hợp tập trung. Một hỗn hợp của các mô hình tuyến tính tổng quát được sử dụng để mô tả phân phối chung của một tập hợp các biến tiềm ẩn, và một hàm tùy ý liên kết các biến tiềm ẩn với các kết quả được quan sát. Mô hình này có thể tiếp nhận cấu trúc dữ liệu đa cấp, các hiệu ứng biến ghép tổng quát và các hàm liên kết cũng như phân phối lỗi khác nhau cho mỗi biến tiềm ẩn. Trong khuôn khổ đề xuất, các mô hình mới được phát triển cho các kết quả nhị phân tập trung, phân loại không theo thứ tự và các kết quả rời rạc và liên tục chung. Một thuật toán lấy mẫu chuỗi Markov Monte Carlo được mô tả để ước lượng các phân phối hậu nghiệm của các tham số và các biến tiềm ẩn. Nhờ tính linh hoạt của khuôn khổ mô hình và quy trình ước lượng, việc mở rộng cho các kết quả phân loại có thứ tự và các cấu trúc dữ liệu phức tạp hơn là khá đơn giản. Các phương pháp được minh họa bằng cách sử dụng dữ liệu từ một nghiên cứu độc tính sinh sản.