ScholarGate
Βοηθός
Bayesian methodsBayesian / computational

MCMC με σφάλμα μέτρησης

Το MCMC με σφάλμα μέτρησης εφαρμόζει δειγματοληψία Markov chain Monte Carlo σε Μπεϋζιανά μοντέλα που λαμβάνουν ρητά υπόψη το γεγονός ότι οι συναρτήσεις ή τα αποτελέσματα παρατηρούνται με σφάλμα. Θεωρώντας τις πραγματικές, μη παρατηρούμενες τιμές ως λανθάνουσες μεταβλητές και δειγματοληπτώντας την κοινή οπίσθια κατανομή τους μαζί με όλες τις άλλες παραμέτρους, η μέθοδος διορθώνει την εξασθένηση της μεροληψίας και παράγει έγκυρη συμπερασματολογία ακόμη και όταν ορισμένες μεταβλητές δεν μπορούν να μετρηθούν με ακρίβεια.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαΛήψη διαφανειών

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Χάρτης μεθόδων

Η γειτονιά των σχετιζόμενων μεθόδων — επιλέξτε έναν κόμβο για εξερεύνηση.

+1 ακόμη

Πηγές

  1. Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
  2. Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/el/bayesian/mcmc-with-measurement-error

Ποια μέθοδος;

Τοποθετήστε αυτή τη μέθοδο δίπλα στις πιο συγγενείς της και διαβάστε τις παράλληλα — η βιβλιοθήκη απλώνει τα βιβλία στο τραπέζι· η επιλογή είναι δική σας.

Συγκρίνετε παράλληλα

Αναφέρεται από

ScholarGateMCMC with Measurement Error (Markov Chain Monte Carlo with Measurement Error Models). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/mcmc-with-measurement-error · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026