Campionamento di Gibbs con dati mancanti
Il campionamento di Gibbs con dati mancanti tratta i valori non osservati come incognite aggiuntive accanto ai parametri del modello e li campiona congiuntamente all'interno di un ciclo Monte Carlo a catena di Markov. Il metodo alterna l'estrazione dei valori mancanti dalla loro distribuzione condizionale dati i parametri e l'estrazione dei parametri dalla loro distribuzione condizionale dati i dati completati, producendo simultaneamente una distribuzione a posteriori su entrambi.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Gibbs Sampling with Missing Data Imputation. ScholarGate. https://scholargate.app/it/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.
- Modello Gerarchico Bayesiano con Dati MancantiBayesiano↔ compare
- Inferenza Bayesiana con Dati MancantiBayesiano↔ compare
- Aumento dei DatiApprendimento profondo↔ compare
- Gibbs SamplingBayesiano↔ compare
- MCMC con dati mancantiBayesiano↔ compare
- Multiple ImputationStatistica↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →