Bayesian methodsBayesian / computational
الاستمثال البايزي المتسلسل مع البيانات المفقودة
الاستمثال البايزي المتسلسل (MCMC) مع البيانات المفقودة هو استراتيجية حسابية بايزية تعالج القيم غير المرصودة كمعلمات إضافية غير معروفة. من خلال التناوب بين أخذ عينات من القيم المفقودة من توزيعها التنبؤي وأخذ عينات من معلمات النموذج من توزيعها اللاحق، تنتج الخوارزمية توزيعًا لاحقًا مشتركًا صالحًا يأخذ في الاعتبار بالكامل عدم اليقين الذي أدخلته البيانات المفقودة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
المصادر
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528-540. DOI: 10.1080/01621459.1987.10478458 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/ar/bayesian/mcmc-with-missing-data
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- النموذج الهرمي البيزيبايزي↔ compare
- الاستدلال البايزي مع البيانات المفقودةبايزي↔ compare
- أخذ العينات بطريقة جيبسبايزي↔ compare
- مونت كارلو الهاملتونيبايزي↔ compare
- خوارزمية متروبوليس-هاستينغزبايزي↔ compare
- الاستيفاء المتعددالإحصاء↔ compare
يُستشهد بها في
الحساب التقريبي بايزي مع البيانات المفقودةنموذج بايزي هرمي مع بيانات مفقودةالاستدلال البايزي مع البيانات المفقودةأخذ العينات بجيبس مع البيانات المفقودةهاميلتونيان مونت كارلو مع البيانات المفقودةالمحاكاة بنهج مونت كارلو مع البيانات المفقودةمرشح الجسيمات مع البيانات المفقودةالاستدلال المتغير مع البيانات المفقودة