MCMC koos mõõtiveaga
Mõõtiveaga MCMC rakendab Markovi keti Monte Carlo (MCMC) diskreetimist Bayes' mudelitele, mis arvestavad eksplitsiitselt sellega, et kovariaadid või tulemused on mõõdetud veaga. Tõelisi, mittevaadeldavaid väärtusi käsitledes latentsete muutujatena ja nende ühist järeltihedust koos kõigi teiste parameetritega diskreetides, parandab meetod sumbumisväärtust ja annab kehtiva järelduse isegi siis, kui mõnda muutujat ei saa täpselt mõõta.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Allikad
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/et/bayesian/mcmc-with-measurement-error
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.
- Bayes' järeldusmeetod koos mõõtemoonutusegaBayesi meetodid↔ compare
- Bayes' regressioonBayesi meetodid↔ compare
- Gibbs SamplingBayesi meetodid↔ compare
- Hierarhiline Bayes'lik järeldamineBayesi meetodid↔ compare
- Markovi ahel-Monte Carlo (MCMC)Bayesi meetodid↔ compare
- Metropolis-Hastings meetud mõõteveagaBayesi meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →