Régression linéaire simple bayésienne
La régression linéaire simple bayésienne modélise la relation entre un résultat continu et un seul prédicteur en combinant une vraisemblance gaussienne avec des distributions a priori sur l'ordonnée à l'origine, la pente et la variance de l'erreur. Le résultat est une distribution a posteriori complète sur tous les paramètres, fournissant une quantification probabiliste de l'incertitude plutôt qu'une estimation ponctuelle.
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
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
- McElreath, R. (2020). Statistical Rethinking: A Bayesian Course with Examples in R and Stan (2nd ed.). CRC Press. ISBN: 978-0367139919
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Simple Linear Regression. ScholarGate. https://scholargate.app/fr/statistics/bayesian-simple-linear-regression
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 bayésien linéaire généraliséStatistique↔ compare
- Régression linéaire multiple bayésienneStatistique↔ compare
- Régression Quantile BayésienneStatistique↔ compare
- Régression Robuste BayésienneStatistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Régression linéaire simpleStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →