Modelo Aditivo Generalizado Bayesiano (Bayesian GAM)
Los Modelos Aditivos Generalizados Bayesianos (Bayesian GAM) extienden el marco de los GAM frecuentistas al colocar distribuciones a priori sobre las funciones suaves y cualquier parámetro adicional del modelo. Esto produce distribuciones posteriores completas sobre cada efecto suave, permitiendo una cuantificación de la incertidumbre basada en principios, selección automática de suavidad mediante hiper a priori, e integración fluida con estructuras jerárquicas o de efectos mixtos.
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
- Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
- Bürkner, P.-C. (2017). brms: An R Package for Bayesian Multilevel Models Using Stan. Journal of Statistical Software, 80(1), 1–28. DOI: 10.18637/jss.v080.i01 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Generalized Additive Model. ScholarGate. https://scholargate.app/es/statistics/bayesian-generalized-additive-model
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 Lineal Generalizado BayesianoEstadística↔ compare
- Modelo Bayesiano de Efectos MixtosEstadística↔ compare
- Regresión Lineal Múltiple BayesianaEstadística↔ compare
- Modelo Aditivo Generalizado (GAM)Aprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →