เปรียบเทียบวิธี

	การวิเคราะห์กลุ่มแฝงแบบเบย์ (BLCA)	การวิเคราะห์กลุ่มแบบเบย์ (Bayesian Cluster Analysis)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	1990s–2000s	1998–2002
ผู้ริเริ่ม	Lazarsfeld (classical LCA); Bayesian formulation developed through Cheeseman & Stutz (1996) and Dunson & Xing (2009)	Fraley & Raftery (model-based); Dirichlet process formulations by Ferguson (1973) and Antoniak (1974)
ประเภท	Bayesian latent variable / finite mixture model	Probabilistic / model-based clustering
แหล่งต้นตำรับ	Dunson, D. B. & Xing, C. (2009). Nonparametric Bayes modeling of multivariate categorical data. Journal of the American Statistical Association, 104(487), 1042–1051.	Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631.
ชื่อเรียกอื่น	Bayesian LCA, BLCA, Bayesian mixture of multinomials, Bayesian finite mixture model	BCA, Bayesian clustering, probabilistic cluster analysis, Bayesian model-based clustering
ที่เกี่ยวข้อง	6	6
สรุป	Bayesian latent class analysis extends classical LCA by placing prior distributions on all model parameters and using posterior inference — typically via MCMC — to classify individuals into unobserved categorical groups, quantify uncertainty around class membership, and select the number of classes in a principled, probabilistic way.	Bayesian cluster analysis assigns observations to latent groups by combining a probabilistic model of within-cluster data with prior beliefs about cluster parameters and the number of clusters. It yields posterior probabilities of cluster membership and principled uncertainty estimates, making it more transparent than classical distance-based clustering algorithms.