Moyenne bayésienne de modèles avec erreur de mesure
La moyenne bayésienne de modèles avec erreur de mesure (BMA-ME) combine deux idées probabilistes : elle moyenne les prédictions entre des modèles de régression concurrents, pondérées par la probabilité a posteriori de chaque modèle, tout en tenant compte simultanément du fait qu'un ou plusieurs prédicteurs sont observés avec une erreur aléatoire plutôt qu'exactement. Le résultat est un a posteriori qui propage à la fois l'incertitude du modèle et le bruit de mesure des covariables dans chaque inférence 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
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). CRC Press. ISBN: 978-1584886334
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Model Averaging with Measurement Error Correction. ScholarGate. https://scholargate.app/fr/bayesian/bayesian-model-averaging-with-measurement-error
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.
- Moyenne Bayésienne de ModèlesBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →