Байесово осредняване на модели с липсващи данни
Байесовото осредняване на модели с липсващи данни (BMA-MD) едновременно адресира два източника на неопределеност: кой модел най-добре описва данните и какви са ненаблюдаваните стойности. Вместо да избира един импутиран набор от данни и един модел, подходът осреднява прогнозите в цялото пространство от кандидат-модели и правдоподобни попълвания на липсващите стойности, разпространявайки и двата източника на неопределеност във всяка оценка и прогноза.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/bg/bayesian/bayesian-model-averaging-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.
- Приблизителни Байесови изчисления при липсващи данниБейсови методи↔ compare
- Байесов йерархичен модел с липсващи данниБейсови методи↔ compare
- Байесовско извод при липсващи данниБейсови методи↔ compare
- Байесовско осредняване на модели (Bayesian Model Averaging, BMA)Бейсови методи↔ compare
- Множествена импутацияСтатистика↔ compare
- Последователно Монте Карло с липсващи данниБейсови методи↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →