लुप्त डेटा के साथ मेट्रोपोलिस-हेस्टिंग्स
लुप्त डेटा के साथ मेट्रोपोलिस-हेस्टिंग्स अनदेखे मानों को अव्यक्त चर के रूप में मानता है और उन्हें एक ही MCMC श्रृंखला के भीतर मॉडल मापदंडों के साथ संयुक्त रूप से नमूना करता है। लक्षित वितरण को मापदंडों और लुप्त मानों दोनों को शामिल करने के लिए बढ़ाकर, एल्गोरिथम अपूर्ण मामलों को छोड़े बिना या एक अलग आरोपण चरण की आवश्यकता के बिना उचित रूप से कैलिब्रेटेड पश्च अनुमान उत्पन्न करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
पद्धति मानचित्र
सम्बन्धित पद्धतियों का परिवेश — अन्वेषण हेतु किसी नोड का चयन करें।
स्रोत
- 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: 10.2307/2289457 ↗
- 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
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm with Missing Data Augmentation. ScholarGate. https://scholargate.app/hi/bayesian/metropolis-hastings-with-missing-data
कौन-सी पद्धति?
इस पद्धति को उसकी निकटतम सजातीय पद्धतियों के साथ रखकर उन्हें साथ-साथ पढ़ें — पुस्तकालय पुस्तकें मेज़ पर रख देता है; चुनाव आपका है।
- लापता डेटा के साथ बायेसियन अनुमानबायेसियन↔ तुलना करें
- डेटा ऑग्मेंटेशनगहन अधिगम↔ तुलना करें
- लुप्त डेटा के साथ गिब्स सैंपलिंगबायेसियन↔ तुलना करें
- लापता डेटा के साथ हैमिल्टनियन मोंटे कार्लोबायेसियन↔ तुलना करें
- मेट्रोपोलिस-हेस्टिंग्स एल्गोरिथमबायेसियन↔ तुलना करें
- बहुविध प्रतिस्थापनसांख्यिकी↔ तुलना करें