MCMC avec erreur de mesure
La MCMC avec erreur de mesure applique l'échantillonnage de Monte Carlo par chaînes de Markov (MCMC) à des modèles bayésiens qui tiennent explicitement compte du fait que les covariables ou les résultats sont observés avec une erreur. En traitant les valeurs vraies et inobservées comme des variables latentes et en échantillonnant leur postérieure conjointe avec tous les autres paramètres, la méthode corrige le biais d'atténuation et produit une inférence valide même lorsque certaines variables ne peuvent pas être mesurées exactement.
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.
+1 more
Sources
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- 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. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/fr/bayesian/mcmc-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.
- Inférence bayésienne avec erreur de mesureBayésien↔ compare
- Régression bayésienneBayésien↔ compare
- Échantillonnage de GibbsBayésien↔ compare
- Inférence bayésienne hiérarchiqueBayésien↔ compare
- Chaîne de Markov Monte Carlo (MCMC)Bayésien↔ compare
- Metropolis-Hastings avec erreur de mesureBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →