نمونهگیری گیبس با دادههای گمشده
نمونهگیری گیبس با دادههای گمشده مقادیر مشاهدهنشده را در کنار پارامترهای مدل به عنوان مجهولات اضافی در نظر میگیرد و همه آنها را به طور مشترک در یک حلقه مونت کارلو زنجیره مارکوف نمونهبرداری میکند. این روش بین استخراج مقادیر گمشده از توزیع شرطی آنها با توجه به پارامترها و استخراج پارامترها از توزیع شرطی آنها با توجه به دادههای تکمیلشده، متناوباً عمل میکند و به طور همزمان یک توزیع پسین بر روی هر دو تولید میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
منابع
- 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: 10.1080/01621459.1987.10478458 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/fa/bayesian/gibbs-sampling-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.
- مدل سلسله مراتبی بیزی با دادههای گمشدهبیزی↔ compare
- استنتاج بیزی با دادههای گمشدهبیزی↔ compare
- افزایش دادهیادگیری عمیق↔ compare
- نمونهگیری گیبسبیزی↔ compare
- MCMC با دادههای گمشدهبیزی↔ compare
- چندگانه سازیآمار↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →