Metropolis-Hastings meetud mõõteveaga
Metropolis-Hastings meetud veaga on Bayes'lik MCMC (Markov Chain Monte Carlo) lähenemisviis, mis ühtlasi hindab mudeliparameetreid ja tõeseid (vaatluseta) kovariaatide väärtusi, kui ennustajad või tulemid on müra abil registreeritud. Käsitades latentseid tõeseid väärtusi tundmatute parameetritena, levitab see mõõtmisest tulenevat ebakindlust täielikult järeldusse, selle asemel et seda eirata või hiljem parandada.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/et/bayesian/metropolis-hastings-with-measurement-error
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- Bayes' järeldusmeetod koos mõõtemoonutusegaBayesi meetodid↔ võrdle
- Gibbs-i meetmõõtmisveagaBayesi meetodid↔ võrdle
- Hamiltoni Monte Carlo koos mõõtemoonutusegaBayesi meetodid↔ võrdle
- MCMC koos mõõtiveagaBayesi meetodid↔ võrdle
Sellele viitavad
Similar methods
Märkasid sellel lehel viga? Teata sellest või paku parandust →