Bayes'sche Inferenz bei fehlenden Daten
Die Bayes'sche Inferenz bei fehlenden Daten behandelt unbeobachtete Werte als unbekannte Parameter und integriert sie aus der Posterior-Verteilung heraus. Anstatt unvollständige Datensätze zu löschen oder ad hoc zu imputieren, modelliert die Methode beobachtete und fehlende Daten gemeinsam unter einem expliziten Mechanismus für fehlende Daten, wodurch vollständig kalibrierte Posterior-Unsicherheiten erzeugt werden, die ehrlich widerspiegeln, was die Daten uns nicht sagen können.
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.
+6 more
Quellen
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley-Interscience. ISBN: 978-0471183860
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/de/bayesian/bayesian-inference-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.
- Approximate Bayesian Computation mit fehlenden DatenBayes-Statistik↔ compare
- Bayesian Hierarchical Model with Missing DataBayes-Statistik↔ compare
- Bayes'sche RegressionBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- MCMC bei fehlenden DatenBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →