Bayes'sche Lineare Regression
Die Bayes'sche lineare Regression ist eine probabilistische Erweiterung des gewöhnlichen linearen Modells, eingeführt durch die Bayes'sche Regel und in ihrem modernen computergestützten Workflow von Gelman et al. (2013) formalisiert. Anstatt einer einzelnen Punktschätzung für jeden Koeffizienten kombiniert sie eine vom Benutzer spezifizierte A-priori-Verteilung mit der Likelihood der beobachteten Daten, um eine vollständige A-posteriori-Verteilung über alle Parameter zu erzeugen, aus der glaubwürdige Intervalle und a-posteriori-prädiktive Verteilungen abgeleitet werden.
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
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Bayesian Linear Regression. ScholarGate. https://scholargate.app/de/bayesian/bayesian-linear-regression
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 ANOVABayes-Statistik↔ compare
- Bayes'sche RegressionBayes-Statistik↔ compare
- Markov-Kette Monte Carlo (MCMC)Bayes-Statistik↔ compare
- Methode der kleinsten Quadrate (OLS)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →