Záznam důkazů metody

Metropolis-Hastings with Missing Data

Metropolis-Hastings with missing data treats unobserved values as latent variables and samples them jointly with model parameters inside a single MCMC chain. By augmenting the target distribution to include both parameters and missing values, the algorithm yields properly calibrated posterior inference without discarding incomplete cases or requiring a separate imputation step.

Sources recorded, not reviewed

Zdrojový záznam

Citace zkopírované doslovně ze zdrojového záznamu metody. Nejsou z nich vyvozovány žádné ověření na úrovni tvrzení.

Metropolis-Hastings Algorithm with Missing Data Augmentation

Taxonomický záznam metody · bayesian / bayesian

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 10.2307/2289457
Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. · ISBN 978-1439840955

Otevřít celou metodu

Spravovaná tvrzení

Tvrzení uložená v registru důkazů, každé s vlastním hodnocením.

Zatím žádná spravovaná tvrzení

Tento pohled nevymýšlí hodnocení tvrzení, pokud registr žádné neobsahuje.

Související metody

Vygenerováno z grafu metod a zobrazeno jako strojově navržené vztahy – nejsou z nich vyvozována žádná tvrzení o důkazech.

Taxonomic bucketBayesian Inference with Missing Datamachine-suggested · Relational suggestion, not evidence.See alsoData Augmentationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGibbs Sampling with Missing Datamachine-suggested · Relational suggestion, not evidence.Taxonomic bucketHamiltonian Monte Carlo with Missing Datamachine-suggested · Relational suggestion, not evidence.Same method familyMetropolis-Hastings Algorithmmachine-suggested · Relational suggestion, not evidence.See alsoMultiple Imputationmachine-suggested · Relational suggestion, not evidence.