Metropolis-Hastings med målefejl
Metropolis-Hastings med målefejl er en Bayesiansk MCMC-tilgang, der samtidigt estimerer modelparametre og de sande (uobserverede) kovariatværdier, når prædiktorer eller udfald registreres med støj. Ved at behandle de latente sande værdier som ukendte parametre, propagere den måleusikkerhed fuldt ud i den posteriore inferens i stedet for at ignorere den eller korrigere for den post hoc.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/da/bayesian/metropolis-hastings-with-measurement-error
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- Bayesiansk inferens med målefejlBayesiansk↔ sammenlign
- Gibbs Sampling med målefejlBayesiansk↔ sammenlign
- Hamiltonian Monte Carlo med målefejlBayesiansk↔ sammenlign
- MCMC med målefejlBayesiansk↔ sammenlign
Refereret af
Similar methods
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →