ScholarGate
עוזר
Bayesian methodsBayesian / computational

מטרופוליס-הייסטינגס עם שגיאת מדידה

מטרופוליס-הייסטינגס עם שגיאת מדידה היא גישת MCMC בייסיאנית המאפשרת אמידה משותפת של פרמטרי מודל ושל ערכי המשתנים המסבירים האמיתיים (הבלתי נצפים) כאשר מנבאים או תוצאות נרשמים עם רעש. על ידי התייחסות לערכים האמיתיים הנסתרים כפרמטרים לא ידועים, היא מפיצה באופן מלא את אי-הוודאות שבמדידה אל תוך ההסקה הפוסטריורית, במקום להתעלם ממנה או לתקן אותה בדיעבד.

פתיחה ב-MethodMindבקרובApply, compare, get guidance
Tools & resources
הורדת מצגת
Learn & explore
וידאובקרוב

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

מפת שיטות

סביבת השיטות הקרובות — בחרו צומת כדי לחקור.

מקורות

  1. Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman and Hall/CRC. ISBN: 978-1584886334
  2. Richardson, S., & Green, P. J. (1997). On Bayesian analysis of mixtures with an unknown number of components. Journal of the Royal Statistical Society: Series B, 59(4), 731-792. DOI: 10.1111/1467-9868.00095

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/he/bayesian/metropolis-hastings-with-measurement-error

איזו שיטה?

הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.

השוואה זה לצד זה

מאוזכר על ידי

ScholarGateMetropolis-Hastings with measurement error (Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models). אוחזר בתאריך 2026-06-17 מתוך https://scholargate.app/he/bayesian/metropolis-hastings-with-measurement-error · מערך נתונים: https://doi.org/10.5281/zenodo.20539026