MCMC s nedostajućim podacima
MCMC s nedostajućim podacima je Bayesovska računalna strategija koja nepotpune (nepoznate) vrijednosti tretira kao dodatne nepoznate parametre. Alternativnim uzorkovanjem nedostajućih vrijednosti iz njihove prediktivne distribucije i uzorkovanjem parametara modela iz njihove aposteriorne distribucije, algoritam generira valjanu zajedničku aposteriornu distribuciju koja u potpunosti uzima u obzir nesigurnost uzrokovanu nepotpunošću podataka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Missing Data. ScholarGate. https://scholargate.app/hr/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.
- Bayesov hijerarhijski modelBayesovska statistika↔ compare
- Bayesijanska inferencija s nedostajućim podacimaBayesovska statistika↔ compare
- Gibbs uzorkovanjeBayesovska statistika↔ compare
- Hamiltonian Monte CarloBayesovska statistika↔ compare
- Metropolis-Hastingsov algoritamBayesovska statistika↔ compare
- Višestruko imputiranjeStatistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →