Studi ini menganalisis bagaimana inferensi posterior dalam penemuan kausal Bayesian berperilaku ketika pengacuan laten hadir dalam model Gaussian linear, khususnya berfokus pada pengacuan aditif antara dua variabel yang diamati.
- Penulis menurunkan ambang batas korelasi kritis di atas mana fungsi skor mendukung graf yang mengandung tepi palsu antar variabel yang teracuni.
- Ambang batas ini menurun seiring dengan peningkatan ukuran sampel, yang berarti lebih banyak data menurunkan korelasi yang diperlukan agar tepi palsu didukung.
- Di luar ambang batas ini, posterior menunjukkan dua rezim kegagalan berbeda yang ditentukan oleh struktur lokal di sekitar variabel yang teracuni.
- Temuan ini didukung oleh perhitungan posterior eksak pada beberapa struktur graf, mengonfirmasi rezim kegagalan yang diprediksi.