Bayesian methodsBayesian / computational

MCMC με Ελλείποντα Δεδομένα

Η MCMC με ελλείποντα δεδομένα είναι μια υπολογιστική στρατηγική Bayesian που αντιμετωπίζει τις μη παρατηρούμενες τιμές ως πρόσθετες άγνωστες παραμέτρους. Εναλλάσσοντας τη δειγματοληψία των ελλειπόντων τιμών από την προγνωστική τους κατανομή και τη δειγματοληψία των παραμέτρων του μοντέλου από την εκ των υστέρων κατανομή τους, ο αλγόριθμος παράγει μια έγκυρη από κοινού εκ των υστέρων κατανομή που λαμβάνει πλήρως υπόψη την αβεβαιότητα που εισάγεται από την έλλειψη δεδομένων.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+3 more

Πηγές

  1. Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
  2. Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528-540. DOI: 10.1080/01621459.1987.10478458

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/el/bayesian/mcmc-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.

Compare side by side

Αναφέρεται από

ScholarGateMCMC with missing data (Markov Chain Monte Carlo with Missing Data). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/mcmc-with-missing-data · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026