MCMC s chybou měření
MCMC s chybou měření aplikuje Markovův řetězcový Monte Carlo vzorkování na Bayesovské modely, které explicitně zohledňují skutečnost, že kovariáty nebo výsledky jsou pozorovány s chybou. Tím, že se skutečné, nepozorované hodnoty považují za latentní proměnné a jejich sdružená aposteriorní distribuce je vzorkována spolu se všemi ostatními parametry, metoda koriguje zkreslení způsobené oslabením a poskytuje platnou inferenci, i když některé proměnné nelze přesně změřit.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Zdroje
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/cs/bayesian/mcmc-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.
- Bayesovská inference s chybou měřeníBayesovská statistika↔ compare
- Bayesovská regreseBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Hierarchické Bayesovské odvozováníBayesovská statistika↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovská statistika↔ compare
- Metropolis-Hastings s chybou měřeníBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →