Promedio de Modelos Bayesianos con Datos Faltantes
El promedio de modelos bayesianos con datos faltantes (BMA-MD) aborda simultáneamente dos fuentes de incertidumbre: cuál modelo describe mejor los datos y cuáles son los valores no observados. En lugar de seleccionar un único conjunto de datos imputados y un único modelo, el enfoque promedia las predicciones a través del espacio completo de modelos candidatos y completaciones plausibles de los valores faltantes, propagando ambas fuentes de incertidumbre en cada estimación y predicción.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/es/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.
- Cálculo bayesiano aproximado con datos faltantesBayesiano↔ compare
- Modelo Jerárquico Bayesiano con Datos FaltantesBayesiano↔ compare
- Inferencia bayesiana con datos faltantesBayesiano↔ compare
- Promedio de Modelos BayesianosBayesiano↔ compare
- Múltiple ImputaciónEstadística↔ compare
- Monte Carlo Secuencial con Datos FaltantesBayesiano↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →