Perhitungan Bayesian Aproksimatif dengan Data Hilang
Perhitungan Bayesian Aproksimatif (Approximate Bayesian Computation/ABC) dengan data hilang memperluas kerangka ABC yang bebas kemungkinan (likelihood-free) ke pengaturan di mana observasi tidak lengkap atau dicatat sebagian. Dengan mensimulasikan data di bawah model yang diajukan dan menerima sampel parameter yang statistik ringkasannya mendekati yang teramati, metode ini melewati kebutuhan untuk mengevaluasi kemungkinan yang tidak dapat diatasi (intractable likelihood) — bahkan ketika beberapa nilai data tidak ada.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Beaumont, M. A., Zhang, W. & Balding, D. J. (2002). Approximate Bayesian computation in population genetics. Genetics, 162(4), 2025–2035. link ↗
- Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. ISBN: 978-0471655749
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Approximate Bayesian Computation with Missing Data. ScholarGate. https://scholargate.app/id/bayesian/approximate-bayesian-computation-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.
- Perhitungan Bayesian AproksimatifSimulasi↔ compare
- Inferensi Bayesian dengan Data HilangBayesian↔ compare
- MCMC dengan Data HilangBayesian↔ compare
- Imputasi BergandaStatistika↔ compare
- Filter Partikel (Monte Carlo Sekuensial)Bayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →