Hamiltonian Monte Carlo con Dati Mancanti
Hamiltonian Monte Carlo con dati mancanti estende il campionatore HMC basato sul gradiente per gestire osservazioni incomplete trattando i valori mancanti come parametri aggiuntivi sconosciuti. La distribuzione a posteriori sui parametri del modello e sui valori mancanti viene campionata congiuntamente in un'unica passata efficiente, sfruttando le informazioni del gradiente per esplorare lo spazio congiunto ad alta dimensionalità con proposte rifiutate molto meno numerose rispetto a MCMC a random-walk.
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.
Fonti
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. ISBN: 978-1420079418
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
Come citare questa pagina
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/it/bayesian/hamiltonian-monte-carlo-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.
- Inferenza Bayesiana con Dati MancantiBayesiano↔ compare
- Campionamento di Gibbs con dati mancantiBayesiano↔ compare
- Hamiltonian Monte CarloBayesiano↔ compare
- MCMC con dati mancantiBayesiano↔ compare
- Multiple ImputationStatistica↔ compare
- Inferenza Variazionale con Dati MancantiBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →