MCMC s chybějícími daty
MCMC s chybějícími daty je bayesovská výpočetní strategie, která považuje nepozorované hodnoty za další neznámé parametry. Střídavým vzorkováním chybějících hodnot z jejich prediktivního rozdělení a vzorkováním parametrů modelu z jejich aposteriorního rozdělení algoritmus generuje platné společné aposteriorní rozdělení, které plně zohledňuje nejistotu zavedenou chybějícími daty.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/cs/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.
- Bayesovský hierarchický modelBayesovská statistika↔ compare
- Bayesovská inference s chybějícími datyBayesovská statistika↔ compare
- Gibbs SamplingBayesovská statistika↔ compare
- Hamiltonovské Monte CarloBayesovská statistika↔ compare
- Algoritmus Metropolis-HastingsBayesovská statistika↔ compare
- Vícenásobná imputaceStatistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →