Байесов пробит модел
Байесовият пробит модел е метод за бинарна регресия, който моделира вероятността за бинарен изход чрез нормалната кумулативна функция на разпределение (пробит връзка) в рамките на байесов подход. Той присвоява априорни разпределения на регресионните коефициенти и ги актуализира с наблюдавани данни, като дава пълно апостериорно разпределение, а не единична точкова оценка. Алгоритъмът за увеличаване на данните на Албърт-Чиб прави апостериорното вземане на извадки изчислително ефективно чрез семплиране на Гибс.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/bg/statistics/bayesian-probit-model
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.
- Байесов обобщен линеен моделСтатистика↔ compare
- Байесов логистичен регресионен моделБейсови методи↔ compare
- Байесова мултиномна логистична регресияСтатистика↔ compare
- Байесов порядъчен логистичен регресионен моделСтатистика↔ compare
- Логистична регресияСтатистика за изследвания↔ compare
- Пробит регресионен моделИконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →