Bayesiansk Generaliseret Additiv Model (Bayesian GAM)
Bayesianske Generaliserede Additive Modeller udvider det frequentistiske GAM-rammeværk ved at placere priordistributioner over de glatte funktioner og eventuelle yderligere modelparametre. Dette giver fulde posteriorfordelinger over hver glat effekt, hvilket muliggør principiel kvantificering af usikkerhed, automatisk udvælgelse af glathed via hyperpriorer og problemfri integration med hierarkiske eller mixed-effects strukturer.
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.
Kilder
- Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
- Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, 80(1), 1–28. DOI: 10.18637/jss.v080.i01 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/da/statistics/bayesian-generalized-additive-model
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 Generaliseret Lineær ModelStatistik↔ compare
- Bayesiansk mixed effects modelStatistik↔ compare
- Bayesiansk Multipel Lineær RegressionStatistik↔ compare
- Generaliseret Additiv Model (GAM)Maskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →