Bayesian Hierarchical Model with Missing Data
Ein bayesianisches hierarchisches Modell mit fehlenden Daten behandelt unbeobachtete Werte als zusätzliche Unbekannte und zieht sie gemeinsam mit allen Modellparametern aus der Posterior-Verteilung. Die verschachtelte Struktur der Hierarchie leiht Stärke über Gruppen hinweg, während der bayesianische Rahmen auf natürliche Weise die Unsicherheit durch fehlende Werte in jeder Schätzung und Vorhersage fortpflanzt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Hierarchical Model with Missing Data Imputation. ScholarGate. https://scholargate.app/de/bayesian/bayesian-hierarchical-model-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.
- Bayes'sche Inferenz bei fehlenden DatenBayes-Statistik↔ compare
- Gibbs Sampling bei fehlenden DatenBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- MCMC bei fehlenden DatenBayes-Statistik↔ compare
- Mehrstufige Bayes'sche InferenzBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →