Gibbs Sampling med manglende data
Gibbs sampling med manglende data behandler uobserverede værdier som yderligere ukendte sammen med modelparametre og sampler dem alle samlet inden for en Markov chain Monte Carlo-løkke. Metoden skifter mellem at trække de manglende værdier fra deres betingede fordeling givet parametrene og at trække parametrene fra deres betingede fordeling givet de komplette data, hvilket producerer en posterior for begge samtidigt.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- 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 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
Sådan citerer du denne side
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/da/bayesian/gibbs-sampling-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.
- Bayesiansk hierarkisk model med manglende dataBayesiansk↔ compare
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- Data AugmentationDyb læring↔ compare
- Gibbs SamplingBayesiansk↔ compare
- MCMC med manglende dataBayesiansk↔ compare
- Multiple ImputationStatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →