Bayesian Probit-Modell
Das Bayesian Probit-Modell ist eine binäre Regressionsmethode, die die Wahrscheinlichkeit eines binären Ergebnisses mithilfe der Normalverteilungs-Kummulative Verteilungsfunktion (Probit-Link) innerhalb eines Bayes'schen Rahmens modelliert. Sie weist den Regressionskoeffizienten Prior-Verteilungen zu und aktualisiert diese mit beobachteten Daten, was zu einer vollständigen Posterior-Verteilung anstelle eines einzelnen Punktschätzers führt. Der Albert-Chib-Datenaugmentierungsalgorithmus macht die Posterior-Stichprobenentnahme über Gibbs-Sampling rechnerisch effizient.
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
- Albert, J. H., & Chib, S. (1993). Bayesian analysis of binary and polychotomous response data. Journal of the American Statistical Association, 88(422), 669-679. DOI: 10.1080/01621459.1993.10476321 ↗
- 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 Probit Regression Model. ScholarGate. https://scholargate.app/de/statistics/bayesian-probit-model
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 Logistic RegressionBayes-Statistik↔ compare
- Bayes'sche multinomiale logistische RegressionStatistik↔ compare
- Bayessche ordinale logistische RegressionStatistik↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Probit-RegressionsmodellÖkonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →