Bayesovské průměrování modelů s chybějícími daty
Bayesovské průměrování modelů s chybějícími daty (BMA-MD) současně řeší dva zdroje nejistoty: který model nejlépe popisuje data a jaké jsou nepozorované hodnoty. Namísto výběru jediné imputované datové sady a jediného modelu, přístup průměruje predikce napříč celým prostorem kandidátských modelů a pravděpodobných doplnění chybějících hodnot, čímž propaguje oba zdroje nejistoty do každého odhadu 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 ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/cs/bayesian/bayesian-model-averaging-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.
- Přibližná Bayesovská výpočetní metoda s chybějícími datyBayesovská statistika↔ compare
- Bayesovský hierarchický model s chybějícími datyBayesovská statistika↔ compare
- Bayesovská inference s chybějícími datyBayesovská statistika↔ compare
- Bayesovské průměrování modelůBayesovská statistika↔ compare
- Vícenásobná imputaceStatistika↔ compare
- Sekvenční Monte Carlo s chybějícími datyBayesovská statistika↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →