论文部分内容阅读
如果一个个体被分到了不是其真实状态的类中，就产生了误分类。通常可用双重抽样的方法来估计误分类的概率。我们用含潜在变量的Bayes方法分析了多元有序的误分类数据。我们利用Gibbs抽样器和Metropolis-Hastings算法来抽取联合后验分布的样本，继而进行统计推断。同时为了使算法快速收敛，我们进一步采用了参数扩展技术。我们用仿真的方法验证了本文所建议的模型和算法的有效性，并用之分析实际数据。