MCMC med målefejl
MCMC med målefejl anvender Markov chain Monte Carlo-sampling på Bayesianske modeller, der eksplicit tager højde for, at kovariater eller udfald observeres med fejl. Ved at behandle de sande, uobserverede værdier som latente variable og sample deres fælles posterior sammen med alle andre parametre, korrigerer metoden for attenuationsbias og producerer valid inferens, selv når nogle variable ikke kan måles præcist.
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.
+1 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk inferens med målefejlBayesiansk↔ compare
- Bayesiansk regressionBayesiansk↔ compare
- Gibbs SamplingBayesiansk↔ compare
- Hierarkisk Bayesiansk InferensBayesiansk↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesiansk↔ compare
- Metropolis-Hastings med målefejlBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →