罗素·杏仁;严端丽;丽莎·赫马特 使用诊断贝叶斯网络模型进行参数恢复研究。 （英语） Zbl 1153.68412号 行为测量学 35，第2期，159-185（2008）. 小结：本文描述了一个用于候选评估设计的贝叶斯网络模型，该设计有四个熟练度变量和48个任务，每个任务有3-12个可观察的结果变量，以及用于识别子量表位置的标度锚。领域专家对熟练度和任务之间关系的观点建立了585个参数的复杂先验分布。马尔可夫链蒙特卡罗（MCMC）估计从专家模型中恢复了模拟数据的参数。样本大小和先验强度对参数恢复的影响不大，但会影响估计参数的标准误差。最后，在本研究的背景下，讨论了一个可识别性问题，包括熟练状态的重新标记和矩阵的排列。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：贝叶斯网络;模型构造;马尔可夫链蒙特卡罗（MCMC）估计;先验启发;刻度固定器 软件：对;化学需氧量 PDF格式BibTeX公司 XML格式引用 \textit{R.Almond}等人，Behaviormetrica 35，No.2，159--185（2008；Zbl 1153.68412） 全文： 内政部