Metropolis-Hastings mittausvirheellä
Metropolis-Hastings mittausvirheellä on Bayesiläinen MCMC-menetelmä, joka estimoi samanaikaisesti mallin parametreja ja todellisia (havaitsemattomia) selittäviä muuttujia, kun ennustajat tai vasteet on mitattu kohinan kanssa. Käsittelemällä latentteja todellisia arvoja tuntemattomina parametreina, se siirtää mittausepävarmuuden täysin jälkiestimaattiin sen sijaan, että se jätettäisiin huomiotta tai korjattaisiin jälkikäteen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
- Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/fi/bayesian/metropolis-hastings-with-measurement-error
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Bayesiläinen päättely mittausvirheelläBayesilainen tilastotiede↔ vertaa
- Gibbs-otanta mittausvirheelläBayesilainen tilastotiede↔ vertaa
- Hamiltonin Monte Carlo -menetelmä mittausvirheelläBayesilainen tilastotiede↔ vertaa
- MCMC mittausvirheelläBayesilainen tilastotiede↔ vertaa
Tähän viittaavat
Similar methods
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →