Bayesian identifiability and misclassification in multinomial data

The authors consider the Bayesian analysis of multinomial data in the presence of misclassification. Misclassification of the multinomial cell entries leads to problems of identifiability which are categorized into two types. The first type, referred to as the permutation-type nonidentifiabilities, may be handled with constraints that are suggested by the structure of the problem. Problems of identifiability of the second type are addressed with informative prior information via Dirichlet distributions. Computations are carried out using a Gibbs sampling algorithm. Identifiabilité et erreurs de classification dans l’analyse bayésienne de données multinomiales Résumé : Les auteurs s’intéressent à l’analyse bayésienne de données multinomiales en présence d’erreurs de classification. De telles erreurs causent des problèmes d’identifiabilité de deux types. Les problèmes d’identifiabilité de type permutationnel sont traités à l’aide de contraintes suggérées par le contexte. Les problèmes d’identifiabilité de l’autre type sont réglés par l’emploi de lois a priori de Dirichlet informatives. Les calculs sont effectués au moyen d’un algorithme d’échantillonneur de Gibbs.