Bayesian Negative Binomial Regression
Bayesian Negative Binomial Regression modelliert nicht-negative ganzzahlige Zählungsoutcomes, die Überdispersion aufweisen – wobei die Varianz den Mittelwert übersteigt –, indem eine negative binomiale Likelihood auf die Daten gelegt und A-priori-Verteilungen über die Regressionskoeffizienten und den Dispersionsparameter spezifiziert werden. Die A-posteriori-Inferenz wird typischerweise mittels Markov-Chain-Monte-Carlo (MCMC) oder Variationsmethoden durchgeführt, was vollständige A-posteriori-Verteilungen anstelle von Punktschätzungen liefert.
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
- Cameron, A. C., & Trivedi, P. K. (2013). Regression Analysis of Count Data (2nd ed.). Cambridge University Press. ISBN: 978-1107667273
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Negative Binomial Regression. ScholarGate. https://scholargate.app/de/statistics/bayesian-negative-binomial-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.
- Bayesian Generalisiertes Lineares ModellStatistik↔ compare
- Bayesian Poisson-RegressionStatistik↔ compare
- Bayesianisches Zero-Inflated ModellStatistik↔ compare
- Negative Binomial RegressionÖkonometrie↔ compare
- Poisson- und Negativ-Binomial-RegressionÖkonometrie↔ compare
- Null-inflationsmodellStatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →