Sampling Gibbs dengan Data Hilang
Sampling Gibbs dengan data hilang memperlakukan nilai yang tidak teramati sebagai ketidakpastian tambahan bersama dengan parameter model dan mengambil sampel semuanya secara bersamaan dalam sebuah putaran Markov chain Monte Carlo. Metode ini bergantian antara menarik nilai yang hilang dari distribusi kondisionalnya berdasarkan parameter dan menarik parameter dari distribusi kondisionalnya berdasarkan data yang lengkap, menghasilkan posterior atas keduanya secara simultan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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 ↗
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/id/bayesian/gibbs-sampling-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.
- Model Hirarkis Bayesian dengan Data HilangBayesian↔ compare
- Inferensi Bayesian dengan Data HilangBayesian↔ compare
- Augmentasi DataPembelajaran Mendalam↔ compare
- Sampling GibbsBayesian↔ compare
- MCMC dengan Data HilangBayesian↔ compare
- Imputasi BergandaStatistika↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →