Moyennage Bayésien de Modèles avec Données Manquantes
Le Moyennage Bayésien de Modèles avec données manquantes (BMA-MD) aborde simultanément deux sources d'incertitude : quel modèle décrit le mieux les données, et quelles sont les valeurs non observées. Plutôt que de sélectionner un seul jeu de données imputé et un seul modèle, l'approche moyennage les prédictions sur l'ensemble des modèles candidats et des complétions plausibles des valeurs manquantes, propageant ainsi les deux sources d'incertitude dans 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
- Hoeting, J. A., Madigan, D., Raftery, A. E. & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382-417. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons, New York. ISBN: 978-0471655749
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Model Averaging with Missing Data. ScholarGate. https://scholargate.app/fr/bayesian/bayesian-model-averaging-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.
- Calcul bayésien approximatif avec données manquantesBayésien↔ compare
- Modèle hiérarchique bayésien avec données manquantesBayésien↔ compare
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Moyenne Bayésienne de ModèlesBayésien↔ compare
- Imputation MultipleStatistique↔ compare
- Monte Carlo séquentiel avec données manquantesBayésien↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →