Bayesian methodsBayesian / computational

Muestreo de Gibbs con datos faltantes

El muestreo de Gibbs con datos faltantes trata los valores no observados como incógnitas adicionales junto con los parámetros del modelo y los muestrea conjuntamente dentro de un bucle de Monte Carlo de cadena de Markov. El método alterna entre extraer los valores faltantes de su distribución condicional dados los parámetros y extraer los parámetros de su distribución condicional dados los datos completados, produciendo una posterioridad sobre ambos simultáneamente.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

+2 more

Fuentes

  1. 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
  2. Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860

Cómo citar esta página

ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/es/bayesian/gibbs-sampling-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

Citado por

ScholarGateGibbs Sampling with Missing Data (Gibbs Sampling with Missing Data Imputation). Recuperado el 2026-06-15 de https://scholargate.app/es/bayesian/gibbs-sampling-with-missing-data · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026