بایز تجربی
بایز تجربی (EB) یک راهبرد برآورد است که توسط هربرت رابینز در سال ۱۹۵۶ معرفی شد و در سال ۱۹۷۳ توسط بردلی افرون و کارل موریس به برآوردگرهای انقباضی عملی توسعه یافت. در این روش، ابرپارامترهای توزیع پیشین از دادههای مشاهدهشده از طریق درستنمایی حاشیهای برآورد میشوند، بهجای آنکه از پیش تعیین شوند. پسین حاصل، ساختار بایزی را حفظ میکند اما ابرپارامترهای مبتنی بر داده را جایگزین ابرپارامترهای ذهنی میکند و بدین ترتیب، انقباض فراوانیگرا و استنتاج کامل بایزی را به هم پیوند میدهد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Robbins, H. (1956). An empirical Bayes approach to statistics. In J. Neyman (Ed.), Proceedings of the Third Berkeley Symposium on Mathematical Statistics and Probability, Vol. 1 (pp. 157–164). University of California Press. DOI: 10.1525/9780520313880-015 ↗
- Efron, B., & Morris, C. (1973). Stein's estimation rule and its competitors — An empirical Bayes approach. Journal of the American Statistical Association, 68(341), 117–130. DOI: 10.1080/01621459.1973.10481350 ↗
- Carlin, B. P., & Louis, T. A. (2000). Bayes and Empirical Bayes Methods for Data Analysis (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584881704
- Efron, B., & Hastie, T. (2016). Computer Age Statistical Inference: Algorithms, Evidence, and Data Science. Cambridge University Press. ISBN: 978-1107149892
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Empirical Bayes Estimation. ScholarGate. https://scholargate.app/fa/bayesian/empirical-bayes
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.
- رگرسیون بیزیبیزی↔ compare
- زنجیره مارکوف مونت کارلو (MCMC)بیزی↔ compare
- مدل اثرات مختلط (یا مدل خطی مختلط) رگرسیون معمولی را با گنجاندن هر دو اثرات ثابتآمار↔ compare
- رگرسیون ریج (Ridge Regression)یادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →