Bayesian inference on group differences in multivariate categorical data

داده های طبقه بندی چند متغیره در بسیاری از زمینه ها رایج هستند. نمونه ای از مثال ها از طریق مطالعات نظرسنجی های انتخاباتی ارائه می شود که شواهد تغییرات در نظرات رای دهندگان را با انتخابات نامزدهای خود در سال های اولیه یا سالگرد انتخابات ریاست جمهوری سال 2016 ارزیابی می کند. اهداف مشابهی در برنامه های معمول وجود دارد، اما ادبیات فعلی فاقد یک روش کلی است که انعطاف پذیری، کارایی و قابلیت اطمینان در تست را برای تفاوت های گروهی در داده های طبقه بندی چند متغیره در مقیاس های مختلف - پیچیده پیچیده ترکیب می کند. این سهم با استفاده از نمایندگی بیزی که توابع توده احتمالی مشترک را برای متغیر گروه و داده های طبقه بندی چند متغیره به عنوان محصول احتمالات حاشیه ای برای گروه ها و عملکرد توده احتمالی شرطی داده های طبقه بندی چند متغیره، عضویت در گروه برای افزایش انعطاف پذیری، عملکرد توده احتمالی شرطی داده های طبقه بندی چند متغیره از طریق یک مخلوط وابسته گروهی از تخمین های تانسور تعریف می شود که باعث کاهش اندازه و دریافت اطلاعات می شود، در حالی که روش های قابل تنظیم برای محاسبه و تست های دقیق برای ارزیابی تفاوت های جهانی و محلی . روش های پیشنهادی با رقبای محبوب مقایسه شده اند و عملکرد بهبود یافته در شبیه سازی ها و مطالعات نظرسنجی انتخابات آمریکا مشخص شده است.