在上式中，LCM的组合概率，用πijkABC表示，相应的，潜在类别概率，以πtX表示，其意义可以解释为：在观察变量处于局部独立的条件下，潜变量X在第t个水平的概率，即从样本中随机选取的观察对象属于潜在类别t的概率。容易证明，各个潜在类别的概率总和永远为100%即1，用公式表达为：

    条件概率，用πitAX表示，其意义可以解释成：外显变量A的第i个水平更倾向于划归到第t个潜在类别的个体的概率。由于各个潜变量的各个水平处于相互独立的状态，所以各外显变量的条件概率总和为1，即：

    1.2 参数估计与模型拟合

    在潜在类别模型的参数估计过程中，最大似然法(maximum likelihood，ML)是被最广泛使用且计算软件中默认的方法。EM(expectation-maximization)、NR(Newton Rapson)算法在计算迭代过程中为最常用的方法，而其中前者更为常用。在潜在类别模型评价方面，AIC评分(akaike informationcriterion)和BIC评分(bayesian information criterion)成为使用最为广泛的拟合评价指标。两者共同点为：其计算理论基础都为似然比χ2检验 ...... 如果您在使用手机等流览时无法查看或下载全文，可能是被搜索引擎失真“转码”，请点击屏幕最下方的“电脑版”或“原网页”访问。


限于服务器压力，网站部分信息只供爱心会员或有一定积分的注册会员流览。
此信息需要 1 积分（免费注册登录后每天可以领取10个积分）。

用户名：
密 码：
	忘了密码

如果您还不是100md.com会员，欢迎 免费注册，
如果您想获得积分，点击这里 查看积分规则。
如果您想订购杂志，请直接与中国医药导报编辑部联系。     淇℃伅浠呬緵鍙傝€冿紝涓嶆瀯鎴愪换浣曚箣寤鸿銆佹帹鑽愭垨鎸囧紩銆傛枃绔犵増鏉冨睘浜庡師钁椾綔鏉冧汉锛岃嫢鎮ㄨ涓烘鏂囦笉瀹滆鏀跺綍渚涘ぇ瀹跺厤璐归槄璇伙紝璇烽偖浠舵垨鐢佃瘽閫氱煡鎴戜滑锛屾垜浠敹鍒伴€氱煡鍚庯紝浼氱珛鍗冲皢鎮ㄧ殑浣滃搧浠庢湰缃戠珯鍒犻櫎銆�

寰俊鏂囩珷  鍏虫敞鐧炬媷  璇勮鍑犲彞  鎼滅储鏇村