Key points are not available for this paper at this time.
연속 데이터를 위한 베이지안 비모수 혼합 모델이 잘 발전되었지만, 카운트 데이터와 관련된 접근법에 대한 문헌은 제한적이다. 일반적인 전략은 포아송의 혼합을 사용하는 것이지만, 이는 평균보다 분산이 적은 분포를 고려하지 않기 때문에 매우 제한적이다. 다른 접근법으로는 유한 지원을 요구하는 다항 분포의 혼합이 있으며, 포아송 기반 측정과 함께 디리클레 프로세스 사전(prior)을 사용하는 방법이 있다. 그러나 이는 포아송으로부터의 부드러운 편차를 허용하지 않는다. 대체 모델의 광범위한 클래스인 비모수로 둥글게 된 연속 커널의 혼합을 사용할 것을 제안한다. 후방 계산을 위한 효율적인 깁스 샘플러가 개발되었으며, 성능을 평가하기 위해 시뮬레이션 연구가 수행되었다. 둥근 가우시안 사례에 초점을 맞춰 다변량 카운트 데이터, 연속 및 범주형 변수와의 공동 모델링 및 기타 복잡성을 설명할 수 있는 모델링 프레임워크를 일반화한다. 이 방법은 개발 독성 연구와 마케팅 데이터에 적용되어 설명된다. 이 기사는 온라인에서 보충 자료를 제공한다.
Canale et al. (목요일)가 이 질문을 연구했다.