Metropolis-Hastings s pogreškom mjerenja
Metropolis-Hastings s pogreškom mjerenja je Bayesov MCMC pristup koji istodobno procjenjuje parametre modela i stvarne (nepromatrane) vrijednosti kovarijata kada su prediktori ili ishodi zabilježeni s pogreškom. Tretiranjem latentnih stvarnih vrijednosti kao nepoznatih parametara, on u potpunosti prenosi mjernu nesigurnost u posteriorno zaključivanje, umjesto da je ignorira ili naknadno ispravlja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Metropolis-Hastings Algorithm for Bayesian Errors-in-Variables Models. ScholarGate. https://scholargate.app/hr/bayesian/metropolis-hastings-with-measurement-error
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Bayesovo zaključivanje s pogreškom mjerenjaBayesovska statistika↔ usporedi
- Gibbsovo uzorkovanje s pogreškom mjerenjaBayesovska statistika↔ usporedi
- Hamiltonovo Monte Carlo s pogreškom mjerenjaBayesovska statistika↔ usporedi
- MCMC s pogreškom mjerenjaBayesovska statistika↔ usporedi
Citirana u
Similar methods
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →