Bayesian Negative Binomial Regression
Bayesian Negative Binomial Regression models non-negative integer count outcomes that exhibit overdispersion — where the variance exceeds the mean — by placing a negative binomial likelihood on the data and specifying prior distributions over the regression coefficients and the dispersion parameter. Posterior inference is typically performed via Markov chain Monte Carlo (MCMC) or variational methods, yielding full posterior distributions rather than point estimates.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
- Cameron, A. C., & Trivedi, P. K. (2013). Regression Analysis of Count Data (2nd ed.). Cambridge University Press. · ISBN 978-1107667273
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.