Bayesianische Modellmittelung mit fehlenden Daten
Die bayesianische Modellmittelung mit fehlenden Daten (BMA-MD) adressiert gleichzeitig zwei Unsicherheitsquellen: welches Modell die Daten am besten beschreibt und welche Werte unbeobachtet sind. Anstatt einen einzelnen imputierten Datensatz und ein einzelnes Modell auszuwählen, mittelt der Ansatz Vorhersagen über den gesamten Raum der Kandidatenmodelle und plausiblen Vervollständigungen der fehlenden Werte, wodurch beide Unsicherheitsquellen in jede Schätzung und Vorhersage einfließen.
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
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/de/bayesian/bayesian-model-averaging-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 Inferenz bei fehlenden DatenBayes-Statistik↔ compare
- Bayesian Model AveragingBayes-Statistik↔ compare
- Multiple Imputation – MICEStatistik↔ compare
- Sequentielle Monte-Carlo-Methoden bei fehlenden DatenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →