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.
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.
+2 more
Fuentes
- 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 ↗
- 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.
- Modelo Jerárquico Bayesiano con Datos FaltantesBayesiano↔ compare
- Inferencia bayesiana con datos faltantesBayesiano↔ compare
- Aumento de datosAprendizaje profundo↔ compare
- Muestreo de GibbsBayesiano↔ compare
- MCMC con datos faltantesBayesiano↔ compare
- Múltiple ImputaciónEstadística↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →