Метрополис-Хастингс при грешка в измерването
Метрополис-Хастингс при грешка в измерването е Байесов подход на Марковски вериги Монте Карло (MCMC), който едновременно оценява параметрите на модела и истинските (ненаблюдавани) стойности на ковариатите, когато предикторите или резултатите са записани с шум. Като третира латентните истински стойности като неизвестни параметри, той разпространява несигурността от измерването изцяло в последващото извеждане, вместо да я игнорира или коригира постфактум.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/bg/bayesian/metropolis-hastings-with-measurement-error
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесов анализ при грешка в измерванетоБейсови методи↔ сравняване
- Gibbs Sampling with Measurement ErrorБейсови методи↔ сравняване
- Хамилтънов Монте Карло с грешка в измерванетоБейсови методи↔ сравняване
- MCMC с грешка в измерванетоБейсови методи↔ сравняване
Цитиран в
Similar methods
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →