Modèle hiérarchique bayésien avec données manquantes
Un modèle hiérarchique bayésien avec données manquantes traite les valeurs non observées comme des inconnues supplémentaires et les échantillonne conjointement avec tous les paramètres du modèle à partir de la distribution a posteriori. La structure imbriquée de la hiérarchie emprunte de la force entre les groupes, tandis que le cadre bayésien propage naturellement l'incertitude due aux données manquantes à travers chaque estimation et prédiction.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Hierarchical Model with Missing Data Imputation. ScholarGate. https://scholargate.app/fr/bayesian/bayesian-hierarchical-model-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.
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Échantillonnage de Gibbs avec données manquantesBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- MCMC avec données manquantesBayésien↔ compare
- Inférence bayésienne multiniveauxBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →