MCMC amb dades perdudes
L'MCMC amb dades perdudes és una estratègia computacional bayesiana que tracta els valors no observats com a paràmetres desconeguts addicionals. Alternant entre el mostreig dels valors perduts de la seva distribució predictiva i el mostreig dels paràmetres del model de la seva posterior, l'algorisme produeix una posterior conjunta vàlida que té plenament en compte la incertesa introduïda per la manca de dades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/ca/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.
- Model Jeràrquic BayesianaBayesià↔ compare
- Inferència Bayesiana amb Dades FaltantsBayesià↔ compare
- Campionament de GibbsBayesià↔ compare
- Hamiltonian Monte CarloBayesià↔ compare
- Algorisme de Metropolis-HastingsBayesià↔ compare
- Imputació MúltipleEstadística↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →