MCMC con errore di misurazione
Il metodo MCMC con errore di misurazione applica il campionamento Markov chain Monte Carlo a modelli bayesiani che tengono esplicitamente conto del fatto che covariabili o esiti sono osservati con errore. Trattando i valori veri e non osservati come variabili latenti e campionando la loro posteriore congiunta insieme a tutti gli altri parametri, il metodo corregge il bias di attenuazione e produce inferenze valide anche quando alcune variabili non possono essere misurate esattamente.
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.
+1 more
Fonti
- Carroll, R. J., Ruppert, D., Stefanski, L. A. & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective (2nd ed.). Chapman & Hall/CRC. ISBN: 978-1584886334
- Richardson, S. & Gilks, W. R. (1993). A Bayesian approach to measurement error problems in epidemiology using conditional independence models. American Journal of Epidemiology, 138(6), 430-442. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Markov Chain Monte Carlo with Measurement Error Models. ScholarGate. https://scholargate.app/it/bayesian/mcmc-with-measurement-error
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 Errore di MisuraBayesiano↔ compare
- Regressione BayesianaBayesiano↔ compare
- Gibbs SamplingBayesiano↔ compare
- Inferenza Bayesiana GerarchicaBayesiano↔ compare
- Catena di Markov Monte Carlo (MCMC)Bayesiano↔ compare
- Metropolis-Hastings con errore di misurazioneBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →