Bayesiansk probitmodel
Den Bayesianske probitmodel er en binær regressionsmetode, der modellerer sandsynligheden for et binært udfald ved hjælp af den normale CDF (probit-link) inden for et Bayesiansk rammeværk. Den tildeler prior-fordelinger til regressionskoefficienter og opdaterer dem med observerede data, hvilket resulterer i en fuld posterior-fordeling snarere end et enkelt punktestimat. Albert-Chib's data-augmenteringsalgoritme gør posterior-sampling beregningsmæssigt effektiv via Gibbs-sampling.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- 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
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Probit Regression Model. ScholarGate. https://scholargate.app/da/statistics/bayesian-probit-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 logistisk regressionBayesiansk↔ compare
- Bayesiansk multinomial logistisk regressionStatistik↔ compare
- Bayesiansk Ordinal Logistisk RegressionStatistik↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Probit-regressionsmodelØkonometri↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →