Échantillonnage de Gibbs avec données manquantes
L'échantillonnage de Gibbs avec données manquantes traite les valeurs non observées comme des inconnues supplémentaires aux côtés des paramètres du modèle et les échantillonne conjointement dans une boucle de Monte Carlo par chaînes de Markov. La méthode alterne entre le tirage des valeurs manquantes à partir de leur distribution conditionnelle étant donné les paramètres et le tirage des paramètres à partir de leur distribution conditionnelle étant donné les données complétées, produisant ainsi un postérieur sur les deux simultanément.
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.
+2 more
Sources
- Tanner, M. A. & Wong, W. H. (1987). The calculation of posterior distributions by data augmentation. Journal of the American Statistical Association, 82(398), 528–540. DOI: 10.1080/01621459.1987.10478458 ↗
- 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). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/fr/bayesian/gibbs-sampling-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.
- Modèle hiérarchique bayésien avec données manquantesBayésien↔ compare
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Augmentation des donnéesApprentissage profond↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- MCMC avec données manquantesBayésien↔ compare
- Imputation MultipleStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →