MCMC puuttuvilla tiedoilla
MCMC puuttuvilla tiedoilla on Bayesilainen laskennallinen strategia, joka käsittelee havaitsemattomia arvoja ylimääräisinä tuntemattomina parametreina. Vaihtelemalla puuttuvien arvojen otantaa niiden ennustejakaumasta ja malliparametrien otantaa niiden posteriorijakaumasta algoritmi tuottaa pätevän yhteisposteriorin, joka ottaa täysin huomioon puuttuvuudesta johtuvan epävarmuuden.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Lähteet
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/fi/bayesian/mcmc-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 malliBayesilainen tilastotiede↔ compare
- Bayesiläinen päättely puuttuvalla datallaBayesilainen tilastotiede↔ compare
- Gibbs-otantaBayesilainen tilastotiede↔ compare
- Hamiltonin Monte CarloBayesilainen tilastotiede↔ compare
- Metropolis-Hastings-algoritmiBayesilainen tilastotiede↔ compare
- Monitahinen imputointiTilastotiede↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →