Computation of marginal likelihoods with data-dependent support for latent variables

چند روش مونت کارلو برای محاسبه احتمالهای حاشیه ای در تحلیل های بیزی پیشنهاد شده است. بعضی از این موارد شامل نمونه برداری از یک توالی از توزیع متوسط ​​بین قبل و خلفی است. اگر پشتیبانی در توزیع خلفی یک زیر مجموعه مناسب از آن در توزیع قبلی باشد، دشواری ایجاد می شود. این می تواند در مشکلات مربوط به متغیرهای پنهان وجود داشته باشد که حمایت آنها بستگی به داده ها دارد و می تواند بعضی از روش ها ناکارآمد باشد و دیگران ناموفق باشند. اصلاح مورد نیاز برای مدل های این نوع مشتق شده است و استفاده از آن با پیدا کردن احتمال حاشیه در دو نمونه نشان داده شده است. یکی از مدل هایی برای ریسک های رقابتی است. یکی دیگر از مدل پواسون با پهنای پراکنده برای تعداد شمعها با استفاده از متغیرهای گاوسی پنهان برای جذب وابستگی فضایی است.