Bayesovské zprůměrování modelů s chybou měření
Bayesovské zprůměrování modelů s chybou měření (BMA-ME) kombinuje dvě pravděpodobnostní myšlenky: zprůměrovává predikce napříč konkurenčními regresními modely vážené posteriorní pravděpodobností každého modelu, přičemž současně zohledňuje skutečnost, že jeden nebo více prediktorů je pozorováno s náhodnou chybou spíše než přesně. Výsledkem je posteriorní rozdělení, které přenáší jak modelovou nejistotu, tak šum měření kovariát do každé inference a predikce.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). CRC Press. ISBN: 978-1584886334
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Model Averaging with Measurement Error Correction. ScholarGate. https://scholargate.app/cs/bayesian/bayesian-model-averaging-with-measurement-error
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.
- Bayesovské průměrování modelůBayesovská statistika↔ compare
- Bayesovská regreseBayesovská statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →