MCMC (मिसिंग डेटा के साथ)
मिसिंग डेटा के साथ MCMC एक बायेसियन कम्प्यूटेशनल रणनीति है जो अनअवलोकित मानों को अतिरिक्त अज्ञात पैरामीटर के रूप में मानती है। उनके प्रेडिक्टिव डिस्ट्रीब्यूशन से मिसिंग मानों को सैंपलिंग करने और उनके पोस्टीरियर से मॉडल पैरामीटर को सैंपलिंग करने के बीच बारी-बारी से, एल्गोरिथम एक वैध संयुक्त पोस्टीरियर उत्पन्न करता है जो मिसिंगनेस द्वारा पेश की गई अनिश्चितता को पूरी तरह से ध्यान में रखता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
स्रोत
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/hi/bayesian/mcmc-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.
- Bayesian Hierarchical Modelबायेसियन↔ compare
- लापता डेटा के साथ बायेसियन अनुमानबायेसियन↔ compare
- गिब्स सैंपलिंगबायेसियन↔ compare
- हैमिल्टनियन मोंटे कार्लोबायेसियन↔ compare
- मेट्रोपोलिस-हेस्टिंग्स एल्गोरिथमबायेसियन↔ compare
- बहुविध प्रतिस्थापनसांख्यिकी↔ compare