在疾病诊断和追踪中生物学生物学体(BV)统计数据数据有许多应用于。一般，用于估计BV的新标准统计数据方法对“有频率的统计数据数据”很敏感，并且必需要假设旁观者的CV具有同质性。关于BV的客体科学往往被或多或少。本研究课题的目的是开发可计算性数学方法来推算BV (a)对“频率统计数据数据”的有利于，(b)允许旁观者CVs内的表型，(c)利用客体科学。
我们用于自适应的的学生t属而非正态属来探索不同鲁棒性的可计算性数学方法，并且允许旁观者CV有表型。并将结果与用于来自欧洲生物学生物学体研究课题的氯化物和三酯统计数据数据的新标准方法顺利完成了尤其。
研究课题断定，在零碎统计数据数据集上用于最有利于的可计算性方法获得的结果可与用于离群绝对值评估和删除的新标准方法媲美。拟合数学方法的后验属为所有可用于评估通用性的实例包括佐证发车。可靠的相关客体被证明对预测众所周知。
研究课题表明，本研究课题推荐的可计算性方法包括了一个清晰的表型程度的三维，并且粗略估计旁观者应有情况的潜能可以用来探索相关的亚组。由于BV实验是比起和耗时的，因此应该考虑并相应地应用于客体科学和估计很高价绝对值。通过包涵可靠的客体科学，即使用于小的统计数据数据集，也可以顺利完成精确的估计。
零碎出处：
Thomas Røraas, Sverre Sandberg,ABayesian Approach to Biological Variation Analysis
本文系梅斯医学（MedSci）原创重写整理，转载必需批准后！
