MCMC с липсващи данни
MCMC с липсващи данни е байесовска изчислителна стратегия, която третира ненаблюдаваните стойности като допълнителни неизвестни параметри. Чрез редуване на вземане на извадки от липсващите стойности от тяхното предсказващо разпределение и вземане на извадки от параметрите на модела от тяхната апостериорна вероятност, алгоритъмът произвежда валидна съвместна апостериорна вероятност, която напълно отчита несигурността, въведена от липсата на данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/bg/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.
- Байесовски йерархичен моделБейсови методи↔ compare
- Байесовско извод при липсващи данниБейсови методи↔ compare
- Гиббсов семплерБейсови методи↔ compare
- Хамилтънов Монте КарлоБейсови методи↔ compare
- Алгоритъм на Метрополис-ХастингсБейсови методи↔ compare
- Множествена импутацияСтатистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →