Gibbs-otanta puuttuvalla datalla
Gibbs-otannassa puuttuvia arvoja käsitellään malliparametrien ohella tuntemattomina ja niitä otetaan yhdessä Markovin ketjun Monte Carlo -silmukan sisällä. Menetelmässä vuorotellaan puuttuvien arvojen piirtämistä niiden ehdollisesta jakaumasta parametrien funktiona ja parametrien piirtämistä niiden ehdollisesta jakaumasta täydennetyn datan funktiona, tuottaen samanaikaisesti posteriorijakauma molemmille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Lähteet
- 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
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/fi/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.
- Bayesiläinen hierarkkinen malli puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Bayesiläinen päättely puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Datan augmentointiSyväoppiminen↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- MCMC puuttuvilla tiedoillaBayesilainen tilastotiede↔ compare
- Monitahinen imputointiTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →