Échantillonnage de Gibbs avec erreur de mesure
L'échantillonnage de Gibbs avec erreur de mesure est une méthode bayésienne MCMC qui estime conjointement les valeurs inconnues réelles des covariables et les paramètres du modèle lorsque les données observées sont corrompues par une erreur de mesure. En traitant les valeurs réelles latentes comme des inconnues supplémentaires, elle échantillonne toutes les quantités itérativement à partir de leurs distributions conditionnelles complètes, propageant ainsi l'incertitude de mesure dans toutes les inférences en aval.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398–409. DOI: 10.1080/01621459.1990.10476213 ↗
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430–442. DOI: 10.1093/oxfordjournals.aje.a116875 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Gibbs Sampling for Models with Measurement Error. ScholarGate. https://scholargate.app/fr/bayesian/gibbs-sampling-with-measurement-error
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Inférence bayésienne avec erreur de mesureBayésien↔ comparer
- Échantillonnage de GibbsBayésien↔ comparer
- Monte Carlo hamiltonien avec erreur de mesureBayésien↔ comparer
- MCMC avec erreur de mesureBayésien↔ comparer
- Metropolis-Hastings avec erreur de mesureBayésien↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →