মেট্রোপলিস-হেস্টিংস উইথ মিসিং ডেটা
মেট্রোপলিস-হেস্টিংস উইথ মিসিং ডেটা (Metropolis-Hastings with missing data) পদ্ধতিতে অনুপস্থিত মানগুলিকে ল্যাটেন্ট ভেরিয়েবল (latent variables) হিসেবে গণ্য করা হয় এবং একটি একক MCMC চেইনের মধ্যে মডেল প্যারামিটারগুলির সাথে সেগুলিরও স্যাম্পলিং করা হয়। টার্গেট ডিস্ট্রিবিউশনকে (target distribution) প্যারামিটার এবং অনুপস্থিত মান উভয়কেই অন্তর্ভুক্ত করার জন্য অগমেন্ট (augment) করার মাধ্যমে, এই অ্যালগরিদমটি অসম্পূর্ণ কেসগুলি বাতিল না করে বা পৃথক ইম্পুটেশন ধাপের (imputation step) প্রয়োজন ছাড়াই সঠিকভাবে ক্যালিব্রেটেড পোস্টেরিয়র ইনফারেন্স (posterior inference) প্রদান করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- 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: 10.2307/2289457 ↗
- 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
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm with Missing Data Augmentation. ScholarGate. https://scholargate.app/bn/bayesian/metropolis-hastings-with-missing-data
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- অজানা ডেটা সহ বায়েসিয়ান অনুমান (Bayesian Inference with Missing Data)বেইসীয়↔ তুলনা করুন
- ডেটা অগমেন্টেশনগভীর শিখন↔ তুলনা করুন
- অজানা ডেটা সহ গিবস স্যাম্পলিংবেইসীয়↔ তুলনা করুন
- Hamiltonian Monte Carlo with Missing Dataবেইসীয়↔ তুলনা করুন
- মেট্রোপলিস-হেস্টিংস অ্যালগরিদমবেইসীয়↔ তুলনা করুন
- একাধিক প্রতিস্থাপনপরিসংখ্যান↔ তুলনা করুন
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →