Metropolis-Hastings koos puuduvate andmetega
Metropolis-Hastings koos puuduvate andmetega käsitleb vaatlemata jäänud väärtusi varjatud muutujatena ja võtab need koos mudeliparameetritega prooviks ühe MCMC-ahela sees. Sihtjaotuse laiendamine, et see hõlmaks nii parameetreid kui ka puuduvaid väärtusi, võimaldab algoritmil saada nõuetekohaselt kalibreeritud järeldused ilma mittetäielikke juhtumeid kõrvaldamata või eraldi täiendusetappi vajamata.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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: 10.2307/2289457 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm with Missing Data Augmentation. ScholarGate. https://scholargate.app/et/bayesian/metropolis-hastings-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.
- Bayes' järeldus puuduvate andmetegaBayesi meetodid↔ compare
- AndmetäiendusSüvaõpe↔ compare
- Gibbs-valimi puuduvate andmetegaBayesi meetodid↔ compare
- Hamiltonian Monte Carlo koos puuduvate andmetegaBayesi meetodid↔ compare
- Metropolis-Hastingsi algoritmBayesi meetodid↔ compare
- Multiple ImputationStatistika↔ compare
Märkasid sellel lehel viga? Teata sellest või paku parandust →