Regression modelRegression / GLM

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.

Aplicar con StatMindPróximamenteVídeoPróximamenteDownload 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.

Fuentes

  1. Wood, S. N. (2017). Generalized Additive Models: An Introduction with R (2nd ed.). CRC Press. ISBN: 9781498728331
  2. 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.

Compare side by side
ScholarGateBayesian Generalized additive model (Bayesian Generalized Additive Model). Recuperado el 2026-06-15 de https://scholargate.app/es/statistics/bayesian-generalized-additive-model · Conjunto de datos: https://doi.org/10.5281/zenodo.20539026